1. 团队背景与业务方向
算能科技作为国内领先的AI计算平台服务商,其工具链团队承载着公司核心技术栈的研发与优化工作。我们团队目前由23名来自国内外顶尖高校的工程师组成,平均行业经验7年以上,核心成员曾主导过多个国际开源项目。当前主要聚焦三大方向:
- 深度学习编译器开发(重点优化TVM、MLIR生态)
- 分布式训练框架性能调优(支持千卡级集群高效训练)
- 端侧推理工具链构建(覆盖ARM/XPU/RISC-V等多架构)
去年我们开源的自动混合精度工具包AMP-Optimizer在MLPerf基准测试中帮助客户模型获得23%的推理速度提升,这个案例很能体现团队的技术价值。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心岗位需求解析
2.1 编译器研发工程师(急聘)
这个岗位需要深入参与我们的LLVM后端开发工作,具体包括:
- 设计并实现针对专用AI芯片的指令调度算法
- 开发图优化pass提升算子融合效率
- 构建基于MLIR的中间表示转换管道
技术要求栈:
- 熟练掌握C++17/20现代特性(concept/range等)
- 有LLVM/MLIR实际开发经验(至少参与过1个完整backend项目)
- 熟悉计算机体系结构(尤其内存层次优化)
加分项:
- 贡献过TVM/TensorRT等开源项目
- 发表过PLDI/CGO等顶会论文
2.2 框架开发工程师
主要负责训练框架的分布式能力建设:
- 实现AllReduce算法拓扑优化(支持3D并行)
- 开发梯度压缩通信原语(1-bit/2-bit量化)
- 构建弹性训练容错机制(checkpoint自动恢复)
必备技能:
- 精通PyTorch/TensorFlow底层架构
- 有NCCL/RDMA调优经验
- 掌握CUDA编程(能写kernel级优化)
典型工作场景举例:上周我们刚为某自动驾驶客户实现了梯度通信量减少78%的定制压缩策略,这类实战需求会持续出现。
3. 团队技术栈全景
3.1 核心工具链组成
| 组件类别 | 当前技术选型 | 演进路线 |
|---|
