职位描述
1.深入理解主流AI芯片与服务器架构，分析硬件加速特性及内部拓扑结构，输出硬件优化实践方案与调优指导，充分释放硬件性能潜力。
2.基于主流LLM推理框架（如sglang/vLLM）以及大模型结构和计算特征，通过软硬件协同设计与技术突破（涵盖硬件算子优化、显存管理、并行策略等），完成新服务器平台端到端性能评估与深度优化。
3.提供面向具体场景的定制化优化能力，精准识别大模型在多样化业务环境中的性能瓶颈，快速制定并落地满足实际需求的性能提升方案。
4.熟练运用系统级调优与Profiling工具（如nsys/ncu系列、Perf、火焰图等），开展系统性能剖析与瓶颈定位，并结合硬件特性实施软件适配与性能增强。
5.把握大模型技术发展方向，结合硬件Profiling与Trace数据分析，为下一代AI基础设施的服务器架构设计与研发提供量化决策支持。

职位要求
1.掌握主流AI加速芯片（如NVIDIA、AMD、寒武纪/DCU等）的体系结构、指令集与计算特点，具备异构计算环境下开发与性能调优实战经验。
2.熟悉sglang/vLLM/Pytorch等主流LLM推理框架，具备二次开发或深度优化经验（包括KVCache优化、编译优化、Speculative执行、量化、DeepEP等技术）。
3.具备优秀的沟通协作与项目推动能力，能够与跨职能团队高效协同，对项目进度与交付质量进行有效规划与管控，保障项目顺利落地。

如下经验优先：
1.具备sglang/vLLM在新硬件平台上的适配与优化经验，有针对Qwen/DeepSeek类大模型进行性能调优者优先