Momenta自动驾驶模型推理优化专家
任职要求
1. 工作3年以上，计算机/数学/物理/电子工程/自动控制专业硕士及以上学历。 2. 优秀的代码能力，熟练掌握C/C++或Python，有 CUDA 开发经验，熟悉TVM/TensorRT/Triton/Cutlass等…
工作职责
1. 负责智能驾驶模型在多种不同硬件平台的极致性能优化，结合编译优化、并行计算优化、图融合、高效 CUDA 算子开发实现行业领先的车端推理性能。 2. 针对特定NPU硬件计算平台，基于对硬件体系结构的深入理解，实现对硬件的高效利用。 3. 针对Pytorch/CUDA相关GPU计算任务，进行算子和系统优化，提升训练/推理效率。
1. 负责自动驾驶无图、端到端、VLA等联合模型（OneModel）的研发，包括模型训练和发版、模型结构优化、推理优化、数据管理等； 2. 负责支持自动驾驶模型训练框架的研发和升级。
你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于： ● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案； ● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化； ● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能； ● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化； ● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离； ● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。
1.负责理想汽车自动驾驶端到端模型方法研发和工程落地，包活动静态感知/通用障碍物/障碍物预测决策等端到端模型; 2.开发高效离线训练框架，以及可实时运行的在线推理框架，优化模型推理性能，研发模型部署工具链和优化工具； 3.建立云端数据感知/决策联合标注Pipeline、数据挖掘机制以及难样本分析等工具链，利用影子模型挖掘众包数据，通过数据闭环持续选代模型能力。
1.负责智能驾驶模型训练优化的研究和落地，通过数据并行，模型并行，通信优化，CUDA算子优化等，大幅提升模型的训练速度与效率。 2.深入分析训练系统，定位和解决训练系统各个层次的性能瓶颈，不断提升训练效率，推进算法的高效选代