职位描述
1. 深度技术顾问与方案架构 (Deep Tech Consulting)
负责KA客户（大模型厂商、互联网巨头、科研机构）的GPU集群系统架构设计。
针对客户的LLM（大语言模型）训练与推理场景，提供从硬件选型、网络拓扑（IB/RoCE）到软件栈的全栈解决方案。
深入理解客户模型（如Llama 3, Mixtral, Qwen等），针对性地设计**分布式并行策略**（Data/Tensor/Pipeline Parallelism, Sequence Parallelism, MoE等），最大化集群MFU（Model FLOPS Utilization）。
2. 性能优化与底层攻坚 (Performance & Kernel Optimization)
解决客户在使用过程中的深层技术瓶颈，包括但不限于**驱动兼容性、编译器（Compiler）优化、算子（Operator）开发与融合**。
利用Profiling工具（如Nsight Systems, PyTorch Profiler）定位性能热点，指导或协助客户进行Custom Kernel优化（CUDA/Triton/Hip）。
处理大规模集群下的稳定性问题（Stragglers, ECC errors, NCCL timeout等），保障长周期训练的稳定性。
3. 商业价值与TCO核算 (TCO & Business Value)
不仅仅是技术支持，需具备商业思维。协助客户进行TCO（Total Cost of Ownership）核算，通过算力利用率提升、训练时间缩短、推理延迟降低等指标，量化方案带来的ROI（投资回报率）。
对比竞品方案，从CAPEX（资本性支出）和OPEX（运营支出）维度输出专业的竞争分析报告。
4. 产品反馈闭环 (Product Feedback Loop)
将一线客户在驱动、API、编译器、框架适配等方面的痛点转化为高质量的PRD或技术需求，反向推动研发团队改进底层软件栈（SDK/Driver/Firmware）。任职要求
1. 教育背景：计算机科学、电子工程、数学或相关专业本科及以上学历。
2. 工作经验：5年以上HPC、AI基础设施或GPU相关领域工作经验，其中至少2年深度参与大模型（LLM）项目。
3. GPU体系结构**：
深刻理解GPU硬件架构（Memory Hierarchy, Streaming Multiprocessors, Interconnects like NVLink/PCIe）。
熟悉底层软件栈：Driver, CUDA Toolkit, NCCL, HCCL等。
4. AI编译与算子：
具备算子开发或优化经验（CUDA, Triton, TVM, MLIR等）。
理解AI编译器原理（XLA, TorchDynamo, TensorRT, vLLM等）者。
5. 分布式训练框架：
精通PyTorch及主流分布式训练库（Megatron-LM, DeepSpeed, FSDP）。
熟悉大规模集群通信原语（All-reduce, All-gather, Reduce-scatter）及其在不同网络环境下的调优。
6. 客户服务能力：
具备TAM（Technical Account Manager）的服务意识，能够管理高压下的客户预期，具备极强的Technical Communication能力。
