拼多多高性能计算工程师

1. 端侧部署与性能优化：主导世界模型及辅助驾驶的软件架构设计及芯片部署方案落地，综合运用指令集优化、线程调度策略、内存池管理等技术，实现极致性能与资源利用率。 2. 新平台可行性评估：系统性评估模块 SDK 在车载新平台的适配潜力，输出技术可行性报告及性能优化路径规划。 3. 芯片生态深度协作：聚焦英伟达等主流车载芯片平台，完成模型部署与推理性能调优；结合系统及硬件架构特性，协同芯片厂商实现软硬件本地化定制开发，驱动业务需求落地。

1.负责AI及传统图像、视频算法工程化 2.负责各个算法在特定处理器上的极致优化，包括但不限于指令集、cache、带宽、GPU优化 3.负责分析各个算法的性能瓶颈点，并与算法同事进行反馈，进一步保效提速降负载 4.负责算法SDK的封装，输出到下游部门进行集成，并进行性能和效果对齐

职位描述： 1、负责多模态场景下高性能推理计算平台开发，支撑业务场景下的训练、推理性能优化需求并推动业务落地； 2、负责自研高性能引擎建设，跟进前沿技术，补足关键能力，构建领先的高性能推理平台； 3、负责基于GPU/CPU构建推理系统，并推进AI系统技术的先进水平，以加速多模态视觉及语言模型； 4、负责音频+视频+文本多模态的完整工程周期的开发，包括加速数据准备/处理、模型部署评估等。

1.超大规模LLM性能工程： 主导并规划千亿参数级大模型的极致性能优化技术路线。负责 PagedAttention、连续批处理等核心调度策略的深度定制与生产级架构设计，负责 vLLM/TensorRT-LLM 等主流推理框架的内核级优化与落地； 2.低比特与稀疏模型优化： 牵头 INT4/FP8/AWQ 等前沿低比特量化技术的工业级系统化落地，平衡精度与计算效率。并设计面向 MoE 模型的分布式调度、路由、显存管理及跨卡通信的优化方案； 3.统一与多模态架构： 定义并设计一套具备长期扩展性的统一 AI 推理引擎架构，以支撑自回归生成任务，并前瞻性地解决多模态大模型（如视觉-语言模型）的协同推理部署挑战； 4.异构算力与国产化适配： 主导推理引擎在国产AI芯片（如昇腾、海光、天数等）平台上的战略级移植、生态适配与性能优化。对 HCCL/NCCL 等通信原语进行深度优化和定制，实现跨异构架构的算力自主可控； 5.核心算子优化与指令架构创新 (Enhanced Focus):深度介入 GPU/NPU 硬件底层，主导设计和实现LLM特有高性能算子。 重点包括：高性能Attention Kernel、矩阵乘法（GEMM）的深度定制与融合、KV Cache读写优化等关键算子； 6.具备深入理解和利用硬件指令集架构（ISA）和微架构（Microarchitecture）的能力， 通过 CUDA/Triton 或国产芯片底层编程语言，进行SIMD/SIMT指令优化、指令级并行（ILP）及寄存器重用等，将LLM推理性能推向硬件理论极限。