AI Infra推理平台工程师【2027届校招】

岗位简介

加入我们，你将负责自动驾驶大模型从实验室到车端落地的关键一环——构建高吞吐、低延迟的推理服务平台。你会接触到业界最前沿的推理引擎（TensorRT、SGLang、vLLM）、KV Cache 共享与 P/D 分离架构，以及面向多模态大模型（VLM）的异构推理优化，直接影响自动驾驶系统的实时感知与决策能力。

岗位职责

推理服务化平台建设：参与构建高可用的模型推理服务平台，支持 LLM / VLM 等模型的服务化部署、弹性扩缩容与多租户隔离。

推理引擎深度优化：基于 TensorRT、TorchScript、SGLang、vLLM 等框架进行推理性能优化，探索 INT8/FP8 量化、算子融合、动态 Batch 等加速手段。

KV Cache 与显存管理：参与设计高效的 KV Cache 管理策略（如 Mooncake / LMCache 方案），支持长上下文场景下的显存高效利用与跨实例共享。

P/D 分离与推理架构：参与 Prefill-Decode 分离架构的设计与实现，优化首 token 延迟与整体吞吐，支撑自动驾驶场景下的实时交互需求。

端云协同推理：探索车端（Thor / Orin 等）与云端协同推理方案，参与模型轻量化、蒸馏与边缘部署优化。

任职要求

2027届本科及以上学历，计算机科学、软件工程、人工智能等相关专业。

扎实的编程功底，熟练掌握 Python / C++，了解 Go / Rust 者优先。

熟悉至少一种深度学习框架（PyTorch / TensorFlow），了解模型推理部署的基本流程。

对计算机体系结构有基本理解，了解 GPU 加速计算原理（CUDA 编程基础）。

具备良好的系统思维、性能敏感度和工程交付能力。

加分项

有模型推理优化经验（量化、剪枝、蒸馏、算子优化），熟悉 TensorRT / ONNX Runtime / vLLM 等推理引擎。

了解大模型推理架构（PagedAttention、Continuous Batching、Speculative Decoding）。

熟悉 Kubernetes 及云原生技术，有容器化服务部署经验。

有 ACM/ICPC、NOI 等竞赛经历，或参与过开源 AI 系统项目（如 vLLM、SGLang、Triton Inference Server）。