蔚来软件工程师（硬件加速方向）
任职要求
1. 计算机、自动化、电子工程、机器人相关专业，硕士及以上学历（优秀者可放宽至本科）； 2. 熟练掌握 C/C++ 和 Python，具备良好的算法优化和代码工程能力； 3. 精通 CUDA、OpenCL ，有 GPU 或DSP加速优化经验，熟悉并行计算原理； 4. 了解 TensorRT、TVM、XLA、oneDNN（MKL-DNN）等推理加速库，有算子级优化经验者优先； 5. 有良好的数学基…
工作职责
1. 智能设备算法加速和模型板端部署：优化SLAM（同步定位与建图）、视觉感知、路径规划、运动控制等核心算法，提高实时性和计算效率； 2. 硬件加速优化：基于 GPU（CUDA）、BPU（Horizon RDK）、NPU、FPGA 等硬件加速器，实现高效并行计算，优化推理和训练速度； 3. 深度学习优化：针对目标检测、语义分割、三维点云处理等任务，使用 TensorRT、TVM、oneDNN 等框架进行推理加速。 4. 算子优化：基于 TensorFlow、PyTorch、ROS 等生态，优化自定义算子，提高计算图执行效率。 5. 系统集成：与机器人软件、硬件团队协作，确保优化后的算法可无缝集成，并满足实时性和功耗需求。 6. 跨平台开发，负责智慧工厂存量&增量设备系统端应用开发；
1. 客情建设和商机拓展 主动洞察煤炭行业，识别出关键/潜在客户，并主动找到关键决策链，识别客户真实需求。 梳理客户决策链，识别关键客户，构建立体的客户沟通界面。 通过关键事件的导演和策划、商务沟通、拜访交流等方式和客户对话，获取客户信任，挖掘和洞察客户业务需求，形成有效商机。 定期与现有和潜在客户联系，及时了解客户的业务规划和预算、供应商情况、组织架构、技术环境等关键信息。 与客户CXO或CXO-D建立长期的业务关系，在合作中获得关键性支持。 2. 产品和技术价值传递 深入理解混合云、公共云、XC建设方案，包括软件、硬件、网络、安全等各方面的整合，并深刻洞察客户业务需求。 基于行业和客户需求洞察，帮助客户理解飞天云计算操作系统、七大件、AI/智算等阿里云产品的技术价值，以及相对竞企的差异化竞争优势。 3. 需求匹配和商机转化 协同SA、产研和生态伙伴等资源，形成明确的销售及解决方案策略，设计合作路径并沟通执行。 结合对客户业务需求的理解，以及阿里云可标准化复制的解决方案，提供能满足客户需求的方案设计，解答客户对产品、解决方案的常规问题。 通过沟通和影响力、商务报价等一系列销售策略的运用，转化商机，达成业绩。 将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。 4. 商务运作和业务支持 基于阿里云和客户商务流程规则，完成客户招投标及商务合同签署等商务工作。 动态跟踪客户需求变化，推动合同变更。 协同产研、交付和生态伙伴等资源，及时发现并解决项目交付问题，支撑客户业务目标达成。 支撑混合云复杂项目运作，参与招投标流程管理、项目管理、风险管理，协调组织资源。
1、全同态/AI编译器开发：设计并实现高效的编译器框架，支持全同态加密或AI模型的自动编译与优化。开发编译器前端、中间表示（IR）及后端，确保编译器能够高效处理复杂的数学运算和加密逻辑。优化编译器性能，提升生成代码的执行效率和资源利用率。 2、算子DSL设计与实现：设计并实现领域特定语言（DSL），用于描述全同态加密或AI算子的数学表达式和计算流程。确保DSL具备良好的可扩展性，支持多种硬件平台和算法需求。提供清晰的DSL接口文档和开发者工具链，降低用户使用门槛。 3、算子优化：针对全同态加密或AI算子进行深度优化，包括但不限于内存访问模式、并行化策略和硬件加速。分析现有算子的性能瓶颈，提出并实施优化方案，显著提升计算效率。探索新型算法和硬件架构（如GPU、TPU、FPGA等）在算子优化中的应用。 4、跨团队协作：与算法团队、硬件团队及产品团队紧密合作，确保编译器和算子优化方案满足实际业务需求。参与技术讨论和代码评审，推动团队技术水平的整体提升。 5、技术研究与创新：跟踪全同态加密和AI领域的最新研究成果，探索其在编译器优化中的潜在应用。发表相关技术论文或专利，提升公司在行业内的技术影响力。
1.GPU集群通信架构设计与优化：负责数据中心AI场景下GPU集群通信架构的设计与开发，优化多卡/多机通信性能，提升分布式训练效率；研究并实现GPU与网络设备（如交换机、RDMA网卡）的协同工作，解决通信延迟、带宽瓶颈等关键问题； 2.通信库与驱动开发：开发高性能GPU通信库（NCCL/DeepEP/NVsharemem 等），适配主流AI框架（TensorFlow/PyTorch），支持大规模集群通信需求； 3.GPU通信性能调优：分析通信性能瓶颈（硬件/软件层面），通过算法优化、代码重构或硬件选型提升整体吞吐量；与硬件团队协作，验证GPU新架构的通信能力，提供技术反馈与改进建议； 4.生态兼容与标准化：参与制定GPU通信协议标准，推动异构计算生态的互联互通。
1.GPU集群通信架构设计与优化：负责数据中心AI场景下GPU集群通信架构的设计与开发，优化多卡/多机通信性能，提升分布式训练效率；研究并实现GPU与网络设备（如交换机、RDMA网卡）的协同工作，解决通信延迟、带宽瓶颈等关键问题； 2.通信库与驱动开发：开发高性能GPU通信库（NCCL/DeepEP/NVsharemem 等），适配主流AI框架（TensorFlow/PyTorch），支持大规模集群通信需求； 3.GPU通信性能调优：分析通信性能瓶颈（硬件/软件层面），通过算法优化、代码重构或硬件选型提升整体吞吐量；与硬件团队协作，验证GPU新架构的通信能力，提供技术反馈与改进建议； 4.生态兼容与标准化：参与制定GPU通信协议标准，推动异构计算生态的互联互通。