多模态大模型推理框架优化工程师-Data AML（北京/上海/杭州/深圳）

关于这个机会

1、推理性能优化：负责Seedance、Seedream、Seed3D等SOTA模型推理链路的端到端性能优化，围绕GPU利用率、推理吞吐(tokens/s)、延迟(TTFT/TPOT)、显存效率等核心指标，系统性地定位瓶颈并推动优化落地； 2、多卡通信优化：设计与优化多卡推理场景下的通信策略(TP/PP/EP)，降低集合通信开销，实现通信与计算的高效Overlap，提升多卡线性扩展效率； 3、GPU架构理解与适配：深入理解GPU硬件架构特性，针对新硬件能力做推理策略适配与性能调优，充分释放硬件算力； 4、多模型推理加速：支持多模态(VLM)/视频生成(DiT/VAE)/MoE等多种模型架构的推理加速，设计通用可扩展的优化方案； 5、前沿技术预研：跟踪推理加速前沿方向，推动技术选型与生产落地。

任职要求

1、计算机相关专业本科及以上学历，精通C++/Python中的至少一门，有扎实的系统编程与性能优化基础； 2、熟悉GPU体系结构：理解SM调度、显存层次（HBM/L2/Shared Memory）、计算与访存瓶颈分析模型（如Roofline Model）； 3、熟悉Transformer模型推理流程，理解KV Cache、Attention计算模式、Tensor Parallelism通信拓扑等核心概念； 4、具备较强的性能分析能力：能熟练使用性能分析工具，系统性定位计算、访存、通信瓶颈； 5、对推理加速有浓厚兴趣，善于从硬件原理和系统全局出发思考优化策略，有较强的分析和解决问题的能力。 加分项： 1、有大模型推理优化实战经验、有多卡通信优化经验、熟悉多代GPU微架构差异、有跨硬件性能适配经验； 2、有视频生成模型（DiT/VAE）或MoE模型的推理加速经验； 3、熟悉Kubernetes/Docker，有GPU集群资源调度与推理服务部署经验。

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。