更新时间 4月15日
职位描述
实习证明 深度学习机器学习后端开发Python人工智能计算机软件
---- 鲲鹏 AI 创新应用开源实习生招募 ----
华为通过软件开源方式，共享在基础软件领域的多年积累，先后开源openEuler操作系统和openGauss数据库，吸纳计算产业优秀人才和技术，繁荣鲲鹏软件生态。
开源开放是驱动技术创新和产业繁荣的核心力量，华为计算产品线发布开源实习生课题，围绕openEuler、openGauss、HPC和BoostKit和DevKit多领域开放多个实习课题，欢迎各位同学投递！
华为通过软件开源方式，共享在基础软件领域的多年积累，先后开源openEuler操作系统和openGauss数据库，吸纳计算产业优秀人才和技术，繁荣鲲鹏软件生态。
开源开放是驱动技术创新和产业繁荣的核心力量，华为计算产品线发布开源实习生课题，围绕openEuler、openGauss、HPC和BoostKit和DevKit多领域开放多个实习课题，欢迎各位同学投递！
【面向人群】
大三及以上本科生
2027年及以后毕业的优秀硕博研究生
大三及以上本科生
2027年及以后毕业的优秀硕博研究生
【招聘地域】
上海/杭州
上海/杭州
【招聘周期】
即日起至2026年12月31日
即日起至2026年12月31日
【实习课题】
课题1：AI辅助Linux开发与工具链智能化
在openEuler这样的大型开源社区中，软件构建、测试，以及海量技术文档的管理，都会耗费开发者与运维人员的不少精力。本课题借助AI，对openEuler社区的开发运维工具链做智能化改造，将开发者与运维人员从繁琐的工作中解放出来。
利用大模型、AI Agent和RAG等前沿技术，围绕openEuler社区构建智能化的开发运维体系，将繁琐的部署、测试流程进行自动化改造，并构建一个能随时解答社区相关问题的智能知识库，提升知识获取效率。
课题1：AI辅助Linux开发与工具链智能化
在openEuler这样的大型开源社区中，软件构建、测试，以及海量技术文档的管理，都会耗费开发者与运维人员的不少精力。本课题借助AI，对openEuler社区的开发运维工具链做智能化改造，将开发者与运维人员从繁琐的工作中解放出来。
利用大模型、AI Agent和RAG等前沿技术，围绕openEuler社区构建智能化的开发运维体系，将繁琐的部署、测试流程进行自动化改造，并构建一个能随时解答社区相关问题的智能知识库，提升知识获取效率。
课题2：Linux系统性能与能效调优
随着AI技术的飞速发展，各行业对硬件性能与算力的需求急剧增长。作为底层基础设施，openEuler操作系统在性能和效率方面正面临更严峻的挑战与更高要求。本课题从操作系统CPU调度、内存管理和功耗控制等方面进行优化，致力于实现系统更快、更流畅、更节能的运行效果。
面向AI任务实现CPU和NPU/GPU智能调度以优化算力分配，为数据中心设计动态节能机制，针对高负载内存区域进行热区识别与性能优化，并改进SMT架构下线程间的协同调度策略。目标是整体提升openEuler系统的运行效率和能效表现。
随着AI技术的飞速发展，各行业对硬件性能与算力的需求急剧增长。作为底层基础设施，openEuler操作系统在性能和效率方面正面临更严峻的挑战与更高要求。本课题从操作系统CPU调度、内存管理和功耗控制等方面进行优化，致力于实现系统更快、更流畅、更节能的运行效果。
面向AI任务实现CPU和NPU/GPU智能调度以优化算力分配，为数据中心设计动态节能机制，针对高负载内存区域进行热区识别与性能优化，并改进SMT架构下线程间的协同调度策略。目标是整体提升openEuler系统的运行效率和能效表现。
课题3：openGauss数据库助力 AI应用：多模态数据高效检索研究
现在，像智能问答（RAG）和智能助手（AI Agent）这样的AI应用越来越常见，它们能让大模型回答更准确、还能自主完成更多任务。这些应用都需要数据库帮忙快速查找各种类型的数据，比如文字、图片向量、知识图谱等。但怎么让数据库高效地管理这些数据，让AI应用查得又快又准，是目前需要解决的关键问题。
针对智能问答和智能助手这类AI应用，研究不同类型数据（如文字、向量、图谱）的检索技术对系统速度的影响，探索能高效构建、精准查找这些数据的方法，并在灵活的Serverless架构下实现相关功能，让openGauss数据库更好地支持AI应用。
现在，像智能问答（RAG）和智能助手（AI Agent）这样的AI应用越来越常见，它们能让大模型回答更准确、还能自主完成更多任务。这些应用都需要数据库帮忙快速查找各种类型的数据，比如文字、图片向量、知识图谱等。但怎么让数据库高效地管理这些数据，让AI应用查得又快又准，是目前需要解决的关键问题。
针对智能问答和智能助手这类AI应用，研究不同类型数据（如文字、向量、图谱）的检索技术对系统速度的影响，探索能高效构建、精准查找这些数据的方法，并在灵活的Serverless架构下实现相关功能，让openGauss数据库更好地支持AI应用。
课题4：AI赋能数据库：智能决策与性能调优研究
随着数据库处理的数据量爆发式增长，业务场景也越来越复杂，传统依赖人工调优、经验判断的数据库管理方式，很难难满足实时决策和极致性能的需求。大模型在逻辑推理、模式识别上的优势，为数据库实现自我优化、智能决策提供了全新可能，如何让AI深度融入数据库核心能力，成为突破性能瓶颈的关键方向。
研究基于大模型的openGauss数据库智能增强系统：通过优化技术文档的处理方式，构建高精度知识库，实现数据库原理、操作的智能问答，让开发者快速掌握核心能力；探索大模型与数据库运行指标的深度结合，设计智能预测与决策模型，实现查询自动优化、性能瓶颈提前预警、资源动态调配等主动进化能力，推动数据库从 "被动响应" 向 "主动进化" 升级。
随着数据库处理的数据量爆发式增长，业务场景也越来越复杂，传统依赖人工调优、经验判断的数据库管理方式，很难难满足实时决策和极致性能的需求。大模型在逻辑推理、模式识别上的优势，为数据库实现自我优化、智能决策提供了全新可能，如何让AI深度融入数据库核心能力，成为突破性能瓶颈的关键方向。
研究基于大模型的openGauss数据库智能增强系统：通过优化技术文档的处理方式，构建高精度知识库，实现数据库原理、操作的智能问答，让开发者快速掌握核心能力；探索大模型与数据库运行指标的深度结合，设计智能预测与决策模型，实现查询自动优化、性能瓶颈提前预警、资源动态调配等主动进化能力，推动数据库从 "被动响应" 向 "主动进化" 升级。
课题5：基于鲲鹏高性能处理器中的矩阵单元进行AlphaFold、DeepSeek等模型应用的算法设计及调优
鲲鹏新一代ARM CPU处理器在核心数量、内存带宽、缓存层次结构及向量化能力等方面取得了显著提升，为鲲鹏HPC（高性能计算）的发展奠定了坚实基础，提供了无限的可能。因此在软件层面，如何实现高效HPC并行加速库，使能HPC和AI4S应用，从而充分发挥鲲鹏硬件性能成了一大问题。
1、基于鲲鹏高性能处理器底层能力，设计实现KUPL（鲲鹏统一并行加速库）相关特性，高效使能加速HPC和AI4S应用；
2、基于鲲鹏高性能处理器中的矩阵单元进行AlphaFold、DeepSeek等模型应用的算法设计开发，提升应用整体推理性能；
3、针对特定领域HPC应用（Lammps等）设计并开发领域加速库，提升应用典型算例性能。
鲲鹏新一代ARM CPU处理器在核心数量、内存带宽、缓存层次结构及向量化能力等方面取得了显著提升，为鲲鹏HPC（高性能计算）的发展奠定了坚实基础，提供了无限的可能。因此在软件层面，如何实现高效HPC并行加速库，使能HPC和AI4S应用，从而充分发挥鲲鹏硬件性能成了一大问题。
1、基于鲲鹏高性能处理器底层能力，设计实现KUPL（鲲鹏统一并行加速库）相关特性，高效使能加速HPC和AI4S应用；
2、基于鲲鹏高性能处理器中的矩阵单元进行AlphaFold、DeepSeek等模型应用的算法设计开发，提升应用整体推理性能；
3、针对特定领域HPC应用（Lammps等）设计并开发领域加速库，提升应用典型算例性能。
课题6：围绕鲲鹏CPU的人工智能场景创新研究
随着模型的能力越来越强，围绕模型能力延伸的AI Agent逐步成为人工智能应用商业落地的重要方向。Agent除了利用GPU/NPU支持大模型的规划推理外，还需要CPU支持Agent工具调用、记忆管理、KV Cache存储等功能，因此需要CPU在Agent等AI新场景中提供对应的能力和解决方案。
研究AI Agent系统组成与功能模块要求，基于鲲鹏CPU开展数据前后处理、工具调用、记忆管理、KV Cache存储等Agent模块的系统原型研究与搭建，并在Agent主流开源框架社区完成鲲鹏CPU支持能力的社区合入，推动主流框架与鲲鹏CPU的适配。
随着模型的能力越来越强，围绕模型能力延伸的AI Agent逐步成为人工智能应用商业落地的重要方向。Agent除了利用GPU/NPU支持大模型的规划推理外，还需要CPU支持Agent工具调用、记忆管理、KV Cache存储等功能，因此需要CPU在Agent等AI新场景中提供对应的能力和解决方案。
研究AI Agent系统组成与功能模块要求，基于鲲鹏CPU开展数据前后处理、工具调用、记忆管理、KV Cache存储等Agent模块的系统原型研究与搭建，并在Agent主流开源框架社区完成鲲鹏CPU支持能力的社区合入，推动主流框架与鲲鹏CPU的适配。
课题7：AI软件分析与性能优化工具开发
鲲鹏软件生态快速演进，开发者缺少鲲鹏架构软件开发经验，急需构建性能定位优化能力。尤其是在大型开源项目或企业级系统中，手动完成代码成分分析、业务代码性能定位和优化不仅耗时费力，还容易引入错误。本课题旨在结合前沿AI能力，打造智能辅助开发工具，帮助开发者高效、安全地完成代码分析与性能优化，提升鲲鹏架构软件开发效率与鲲鹏应用性能。
利用AI技术，结合程序分析技术，构建一个支持软件成分分析、源码语义理解与源码优化的智能开发辅助系统。构建源码级语义理解引擎，实现对用户代码上下文的深度感知，提供高精度、可解释的鲲鹏亲和重构，结合鲲鹏系统架构特点提供优化建议；探索RAG技术在软件分析与件优化领域的潜力，提升AI结果的准确性。通过本课题，你将深入参与AI for Code的前沿实践，为开发者打造真正“懂代码、会思考”的智能伙伴。
鲲鹏软件生态快速演进，开发者缺少鲲鹏架构软件开发经验，急需构建性能定位优化能力。尤其是在大型开源项目或企业级系统中，手动完成代码成分分析、业务代码性能定位和优化不仅耗时费力，还容易引入错误。本课题旨在结合前沿AI能力，打造智能辅助开发工具，帮助开发者高效、安全地完成代码分析与性能优化，提升鲲鹏架构软件开发效率与鲲鹏应用性能。
利用AI技术，结合程序分析技术，构建一个支持软件成分分析、源码语义理解与源码优化的智能开发辅助系统。构建源码级语义理解引擎，实现对用户代码上下文的深度感知，提供高精度、可解释的鲲鹏亲和重构，结合鲲鹏系统架构特点提供优化建议；探索RAG技术在软件分析与件优化领域的潜力，提升AI结果的准确性。通过本课题，你将深入参与AI for Code的前沿实践，为开发者打造真正“懂代码、会思考”的智能伙伴。
工作地点
杭州滨江区江淑路360号华为园区
认证资质
营业执照信息
