神州数码

参与训推一体化AI 基础设施架构的设计与建设，推动训练与推理在资源管控、任务调度与运行环境上的统一； 负责大规模模型（以 LLM 为主，兼顾 VLM）在异构加速硬件上的训练与推理部署、性能优化与资源编排； 参与异构算力池化与资源感知调度机制的构建，面向上层 Agent / 应用的计算需求进行任务拆分与弹性伸缩； 参与基础设施平台的通用能力研发，包括可观测性、容量规划与服务保障等方向； 开展模型训练与推理的性能剖析与瓶颈定位，输出可测试、可追溯的需求规格与技术方案文档。

学历与专业要求 学历：硕士研究生及以上学历； 专业：计算机科学与技术、软件工程、电子工程、人工智能、通信工程等相关专业； 背景：具备扎实的计算机基础课程体系与良好的代码规范意识，注重工程可复现与结论可溯源。 技能要求 必备项： 熟练掌握 Python，具备 Go / C++ 开发能力者优先； 熟悉至少一种主流 LLM 服务或训练框架（如 vLLM、SGLang、Unsloth、Verl 等），能够阐述 prefill / decode、KV Cache、TTFT / TPOT 及并行训练等核心概念； 熟悉异构 AI 加速硬件（GPU / NPU 等，不限特定厂商）的计算特性，对显存管理、算子融合、图编译（CUDA Graph / NPU Graph）中至少一个方向有实践或系统性理解； 熟悉 Linux 环境及容器化技术（Docker / Kubernetes），能够独立进行资源与配额的排查； 具备严谨的证据驱动工作方式，能够区分"已验证"与"已尝试失败"的技术结论。 加分项： 具有分布式训练经验（ZeRO、混合精度、张量 / 流水并行等）或推理性能调优经验； 具有设备虚拟化、细粒度算力切片或 Kubernetes 调度器扩展（controller / CRD）开发经验； 具有多模态 / VLM 模型的训练或推理部署经验； 关注 Agent / Agentic Serving 或 LLM 推理优化方向，研读或复现过相关论文； 具有开源贡献或可复现的实验 / 项目。 英语与论文读解能力 能够顺畅阅读英文技术文档、开源项目 README 与 issue，具备依据官方文档核对指标口径与技术细节的能力； 具备英文论文阅读与综述能力，能够独立研读训练系统、推理系统与调度算法方向的论文，准确提炼方法、贡献与局限性，并转化为工程落地判断； 具备基本英文技术写作能力者优先。