1、AI 存储加速系统研发：参与构建 AI 存储加速系统及 KVCache 存储系统，在导师指导下协助为大规模 AI 业务提供可靠的基础设施支撑。 2、模型 IO 加速与缓存开发：参与面向模型 IO 加速的数据预热及加速组件开发，学习并协助实现本地 SSD 热缓存、NVMe 写缓存及分布式缓存等底层技术。 3、高性能接入方案设计：参与设计 GDS/RDMA 等高性能接入方案，协助降低存储到 GPU 显存的数据拷贝开销，提升系统整体性能。 4、前沿技术研究与落地：与团队密切配合，参与研究和探索业内各方向的最新存储技术，协助推动前沿技术在业务场景中的应用。 5、分布式存储服务建设：理解存储业务场景，参与构建面向业务的统一、稳定的私有云及公有云分布式存储服务。

1、2026届毕业生，统招本科及以上学历，计算机科学、人工智能、软件工程或相关专业。 2、备扎实的计算机基础，对操作系统 IO、多线程并发、计算机网络有深入理解，熟悉常见的数据结构与算法。 3、精通 Golang 或 C/C++ 中的至少一门语言，熟悉 Linux 环境下的开发，具备良好的抽象能力及工程实现能力。 4、了解分布式系统基本原理（如最终一致性、Leader Election 等），对常见缓存算法、一致性哈希、Write-back/Write-through 策略有基本认知。 5、对 AI Infra 及底层存储技术有浓厚兴趣，了解 NVMe、RDMA、HBM 等协议和硬件基础知识，有相关课题研究或课程项目经验者优先。 6、了解主流大模型架构（LLM、多模态等），对数据 IO 加速与缓存（如 Alluxio、3FS、Fluid、Mooncake 等）有概念认知，有相关开源项目贡献经验者优先。