岗位描述 1.AI 训推系统级性能优化与组件化交付 面向 LLM/VLM/VLA、智驾等场景，围绕训练与推理全链路开展性能分析与优化落地，产出可复用的软件组件/算子库/解决方案. 典型优化方向：计算与访存瓶颈、显存/内存管理、KV Cache、长上下文、并行策略（TP/PP/DP/EP）、通信与网络（AllReduce/AllGather/AllToAll、RDMA）、数据与 I/O（DataLoader、checkpoint、存储带宽）。 2.云原生 AI Runtime 与隔离（Kata / runD / Sandbox Runtime） 负责 GPU 在 Kata Containers/沙箱容器中的高性能、安全隔离与可用性建设：GPU 直通/虚拟化、驱动与设备插件集成、容器镜像与运行时兼容。 参与 sandbox runtime（containerd/CRI 体系）相关能力建设：资源隔离（cgroup/namespace/NUMA）、启动时延优化、稳定性与故障恢复、可观测性（metrics/tracing/logging）。 与 Kubernetes 侧生态协同（Device Plugin、RuntimeClass、调度/拓扑亲和、弹性伸缩等），提升多租户环境下 GPU 利用率与 QoS。 3.软硬件协同与异构算力适配 深入结合硬件特性（计算单元、HBM/缓存层次、PCIe/NVLink/互联、编译器/运行时）制定协同优化方案，推进在训练/推理/云原生运行时侧的落地。 构建 microbenchmark、性能模型与回归体系，快速定位瓶颈并指导组件演进。 4.稳定性与工程闭环 建设端到端与算子级 benchmark、自动化 profiling、CI 回归与精度/稳定性守护。 定位并解决复杂问题：hang/crash、OOM、性能抖动、通信异常、GPU 设备异常、虚拟化/隔离环境下的兼容性问题。

岗位要求 1.本科及以上（计算机/电子/通信/数学等相关），5 年以上 AI Infra/HPC/云原生系统/深度学习系统相关经验（优秀可放宽）。 2.精通 Python、C/C++（熟悉 Go/Rust 加分），具备扎实工程能力：性能分析、调试、内核/运行时问题定位与可维护性设计。 3.具备系统与并行计算基础：CPU/NUMA、内存层次、PCIe、IOMMU、虚拟化基础；能使用 Nsight Systems/Compute、perf/perfetto、eBPF 等进行分析。 4.熟悉至少一个方向并有实战经验： AI 训练/推理优化：PyTorch、Megatron/DeepSpeed/FSDP、vLLM/SGLang/TensorRT-LLM 等；理解 Transformer/MoE/KV Cache 等关键瓶颈； 云原生/容器运行时：Kata、containerd/CRI、cgroup/namespace、K8s Device Plugin/RuntimeClass、GPU 容器化与隔离； 分布式通信与网络：NCCL/MPI、RDMA/IB/以太网，理解集合通信与拓扑影响。 具备跨团队协作能力，能将问题抽象为可复用方案并推动落地。 加分项： 有 CUDA/Triton/CUTLASS/FlashAttention/FlashInfer/MoE kernel 等算子或 Kernel 优化经验。 有 GPU 虚拟化/直通经验：VFIO、SR-IOV、MIG（如适用）、vGPU/mediated device、IOMMU/interrupt 相关调优经验。 有 containerd shim、runc/crun、kata-agent、QEMU/KVM 等沙箱链路问题定位与优化经验。 有 eBPF 可观测性、内核调优、或大规模集群稳定性治理经验。 有异构芯片（非 NVIDIA）适配或 bring-up 经验（编译器/运行时/算子库/驱动协同）。 有开源贡献与技术影响力（patch/issue，benchmark、文章/分享）。 -上海/杭州/北京/深圳