岗位描述 1.面向大模型负载的GPU服务器架构定义：基于训练（如3D并行、GRPO强化学习）与推理（如vLLM、TensorRT-LLM）的实际性能瓶颈，主导GPU选型、Scale-Up互连架构（如NVLink/NVSwitch）、CXL互联、内存与存储I/O子系统、电源及散热方案等关键系统组件的技术决策； 2.训推场景驱动的软硬协同优化：结合分布式训练与推理策略、通信库行为（如NCCL）、KV Cache管理、动态批处理等特性，提出硬件感知的系统级优化方案，并推动在固件、驱动或运行时层落地； 3.端到端硬件交付与稳定性保障：参与工程验证、系统级Debug、压力测试及故障根因分析，确保服务器在千卡级大规模集群中长期稳定、高效运行； 4.技术前瞻与生态共建：跟踪AI服务器架构演进趋势，积极参与OCP、UAlink等开放硬件社区，输出面向大模型训推优化的硬件设计最佳实践。

岗位要求 1.具备5年以上通用服务器及AI智算服务器硬件系统设计经验，深入理解现代GPU服务器整机架构，具备从系统级视角综合权衡性能、功耗与可靠性的能力，有实际参与AI服务器规格定义、硬件开发或量产交付项目的经验； 2.熟悉大模型训练与推理的核心技术路径，包括但不限于：分布式训练策略（如ZeRO、Pipeline/Model Parallelism）、混合精度训练、主流推理框架（如vLLM、Triton Inference Server）、KV Cache优化，以及GRPO/PPO等强化学习训练范式对计算、通信与存储资源的特殊需求； 3.精通机内通信架构，深度理解基于PCIe、CXL及UALink等技术的Scale-Up互连方案，能够利用内存语义（Load/Store）与低时延特性实现智算超节点内部的算力协同与内存资源池化 4.熟悉国产化智算硬件生态，深入理解主流国产AI芯片（如昇腾、海光等）的架构差异，具备在自主可控要求下进行硬件适配、性能对标及平替方案设计的实战经验 5.了解数据中心基础设施对AI服务器设计的影响，包括液冷/风冷散热适配、高功率供电、机柜部署密度、远程管理（BMC/IPMI）等，能从部署与运维视角反向指导硬件架构设计； 6.具备优秀的跨职能协作能力，能够高效协同芯片厂商、ODM、算法及软件团队，将业务需求转化为可执行的硬件指标，并推动方案端到端落地； 7.具备良好的英文技术沟通能力者优先，可参与国际技术讨论或对接海外合作伙伴。