混元大模型推理研发专家（深圳/北京/上海/杭州）

1.深度协同算法团队，主导深度学习算法端到端推理系统的架构设计与落地实践，聚焦高吞吐、低延时核心目标，攻克大模型推理工程化落地关键技术瓶颈；
2.针对大模型推理全链路进行性能瓶颈深度剖析，通过算子优化、量化策略、资源调度等手段实现推理吞吐最大化；建立性能 - 成本评估体系，制定资源利用率极致优化方案，实现推理成本可控化；
3.主导大模型推理框架底层架构优化，完善框架功能模块（如动态批处理、推理缓存、容错机制）；构建工程化能力体系，提升框架易用性（API 设计、配置化能力）与可调试性（日志系统、性能埋点、调试工具链），支撑大规模推理服务稳定迭代。

1.精通 C/C++、Python 编程语言，具备深厚的计算机体系结构功底（深入理解 CPU/GPU 缓存机制、指令流水线、内存层次结构）或大型分布式系统开发经验；精通系统性能调优方法论，熟练使用 perf、gprof、nsight 等调优工具进行底层瓶颈定位；
2.精通 CUDA 核心编程模型（线程束调度、内存 coalescing、共享内存优化），熟悉 OpenCL 等异构编程框架；深入理解 cublas、cudnn、cutlass 等 GPU 加速库底层实现原理与调优策略，能基于硬件特性定制化优化计算逻辑；
3.具备 TensorRT/TensorRT-LLM/FasterTransformer/vllm/sglang 等推理引擎深度实践经验，主导过基于上述引擎的大模型推理系统定制化开发与性能调优；精通推理引擎底层优化技术（算子融合、量化策略、动态批处理、KV 缓存优化）；
4.精通 Transformer 等大模型核心算子（Attention、FFN、LayerNorm）底层实现机制与性能优化方法；熟悉深度学习模型从训练到推理的全链路转化逻辑，具备大模型训推一体化问题定位（如精度漂移、性能衰减）与优化经验者优先；
5.精通 CPU/GPU 异构计算架构下数据传输瓶颈（PCIe 带宽、内存墙、缓存利用率）分析方法；具备服务器端 AI 芯片（如 NVIDIA H100/A100、昇腾 910）推理性能调优经验，熟悉硬件特性与软件适配策略者优先；
6.精通分布式推理核心技术（张量并行、流水线并行、ZeRO 优化、动态负载均衡），熟悉分布式通信框架（NCCL、MPI）底层原理；主导过千亿级以上参数大模型分布式推理系统部署、性能调优与稳定性保障，具备超大模型推理成本优化实践经验者优先。。加分项：