岗位职责
基于英伟达A100、华为昇腾910B等GPU硬件平台，完成AI应用的部署优化与二次开发，保障大模型及业务算法在异构计算环境下的高效运行；
使用TensorFlow/PyTorch等框架实现业务场景算法模块开发，并结合GPU架构特性（如CUDA、MindSpore）进行性能调优，提升模型训练与推理效率；
结合LLaMA/GLM等大模型及RAG技术，构建基于GPU加速的检索增强生成系统，负责模型微调和算力资源调度优化；
开发面向GPU集群的工作流自动化工具，优化MCP框架在A100/910B平台的部署流程，提升大规模模型训练与推理的工程化落地效率；
输出GPU环境下的标准化技术文档、API接口文档及算力资源配置指南；
与跨职能团队协作，推动大模型技术在A100/910B硬件平台的产品化落地，主导技术创新与业务场景结合；
持续跟踪GPU加速计算、异构计算架构及AI领域最新进展，结合业务需求提出基于硬件特性的创新解决方案。
任职要求
5年以上AI应用开发经验，其中2年以上基于英伟达A100或华为昇腾910B平台的部署/调优经验，完整参与过至少2个大规模AI项目的全生命周期（从算法研发到硬件落地）；
熟悉GPU架构特性，掌握CUDA编程、TensorRT/MindStudio模型优化工具，能独立完成模型在A100/910B上的性能调优（如算子优化、内存管理、并行计算调度等）；
精通TensorFlow/PyTorch等深度学习框架，具备大模型（如LLaMA、GLM）微调和分布式训练经验，熟悉LoRA/P-Tuning等参数高效微调技术；
熟悉Diffy等低代码平台，能基于GPU环境完成AI应用的本地化部署、权限配置及插件开发，具备工作流编排实战经验；
掌握Prompt工程优化、知识库对接及向量数据库（Milvus/Pinecone）应用，有RAG系统构建经验者优先；
具备良好的工程化思维，能独立设计并开发GPU集群管理工具或自动化脚本，提升算力资源利用率；
加分项：
有电力设备数据分析、故障预测等垂直领域经验，或基于A100/910B的行业解决方案落地案例；
熟悉华为昇腾生态（如Atlas系列硬件、MindSpore框架）或英伟达AI Enterprise套件；
发表过GPU加速计算、大模型工程化相关技术论文或专利。
其他信息
团队氛围：技术驱动型团队，专注AI大模型工程化落地，提供行业前沿硬件资源与技术支持；
发展空间：参与核心项目研发，接触A100/910B等高端算力资源，可独立主导技术方向与架构设计。