Tione-高级推理研发工程师-上海/杭州/深圳/北京

Job description

超大规模LLM性能工程

• 主导并规划千亿参数级大模型的极致性能优化技术路线。负责 vLLM/TensorRT-LLM 等主流推理框架的内核级优化与落地；

低比特与稀疏模型优化

• 牵头 INT4/FP8/AWQ 等前沿低比特量化技术的工业级系统化落地，平衡精度与计算效率。并设计面向 MoE 模型的分布式调度、路由、显存管理及跨卡通信的优化方案；

统一与多模态架构

• 定义并设计一套具备长期扩展性的统一 AI 推理引擎架构，以支撑自回归生成任务，并前瞻性地解决多模态大模型（如视觉-语言模型）的协同推理部署挑战；

异构算力与适配

• 主导推理引擎在AI芯片（如昇腾、海光、天数等）平台上的战略级移植、生态适配与性能优化。对 HCCL/NCCL 等通信原语进行深度优化和定制，实现跨异构架构的算力自主可控；
• 核心算子优化与指令架构创新 (Enhanced Focus):深度介入 GPU/NPU 硬件底层，主导设计和实现LLM特有高性能算子；
• 负责海外机房建设进展跟综及GPU、网络等相关验收。 Requirements
• 计算机、人工智能、软件工程等相关专业硕士及以上学历；
• 具备5年以上 AI 系统、高性能计算或底层系统开发经验；
• 具备大规模、生产级大语言模型（LLM）在线推理系统从零到一的架构设计与优化实战经验；
• 深入理解 Transformer 架构，具备 vLLM, TensorRT-LLM, LightLLM 等主流推理框架的内核级/源码级深度优化经验；对 KV Cache、低比特量化、连续批处理等核心技术有架构决策能力； 5.：熟悉 x86 服务器硬件体系与 GPU 服务器（HGX 系列 / A100、H800、L20 等）架构：拓扑、供电、PCIe / NVLink 互联、BMC / BIOS； 6.：熟悉数据中心网络：VLAN / BGP、Bonding、RDMA / RoCE 无损网络原理与调优，有专线开通或验收经验。