算法硬件适配工程师

• 负责面向 GPU、NPU、ASIC 等异构计算平台的算法加速研究与工程优化，构建高性能的推理与训练加速能力。
• 深入分析深度学习模型的计算图结构，开展算子级优化、内核实现优化、图融合（Graph Fusion）、内存访问优化及调度策略改进，显著提升整体计算效率与吞吐能力。
• 参与异构芯片适配工作，设计跨平台算子库、性能调优工具链及编译优化策略，实现模型在不同硬件架构上的高效部署。
• 负责模型加速框架的技术方案设计，包括模型量化（INT8/INT4）、剪枝、稀疏化、KV Cache 优化、并行策略（Pipeline / Tensor Parallel）等关键技术的落地实现。
• 参与算法任务编排系统建设，设计并实现算子调度、资源分配与执行路径优化机制，提升多算法、多模型并行执行下的系统性能与稳定性。
• 编写技术文档，包括性能分析报告、优化方案说明、算子接口规范及部署指南，支撑团队协作与工程落地。
• 跟踪国内外硬件加速技术、AI 编译器（TensorRT、TVM、XLA、MLIR 等）及新型芯片架构发展趋势，推动创新技术在产品中的验证与应用。