AI 大模型全栈优化算法研究博士后

上海、深圳、西安、北京

AI 大模型技术与业务快速发展，成为推动各行各业发展的关键力量，带来巨大的商业价值。华为为世界打造AI算力的第二曲线，致力于构建 AI 大模型软硬全栈优化的生态。本研究围绕提升昇腾AI计算平台的模型训练与推理性能，通过模型架构、训推加速、高性能算子构建等全栈优化算法研究，解决技术快速迭代中的挑战问题，打造大模型训推极致性价比，具备极高的商业价值。

1. 应用层模型设计与训练：探索新型大模型架构及其预训练、后训练、压缩等技术，提升大模型在复杂场景下的泛化能力和性能。

2. 平台框架的训推加速：研究大模型分布式训推策略，改进训练/推理引擎，利用先进的并行计算，模型压缩与量化等技术，降低训练成本和推理延迟。

3. 软硬结合的高性能算子：深入分析昇腾硬件特性，设计并优化适配昇腾硬件平台的高性能算子，通过并行计算优化、内存访问优化、多算子融合，算子自动化等技术实现硬件资源的充分利用，提升大模型整体运行性能。

1、计算机／AI等相关专业博士；曾发表顶会论文，拥有大模型开发经验及一线互联网公司NLP算法开发经验者优先；

2、熟练掌握深度学习/强化学习/高性能计算相关算法，熟悉PyTorch等AI开发框架，熟悉大规模分布式计算、并行计算相关算法及框架。

3、具备快速阅读和复现论文的能力，能够系统性对比研究领域的相关成果，并制定改进计划；

4.   拥有强烈的上进心和求知欲，善于学习新事物，渴望用技术改变未来；

5.   具备优秀的分析和解决问题能力，良好的团队合作精神及沟通意识。

云存储关键算法研究博士后

北京

面向云存储系统的存储算法优化，具有问题规模大、系统复杂度高、影响因素多等特点。随着元存储市场规模的扩张和人工智能技术的发展，良好的优化算法每年可带来上亿成本节省，是核心竞争力构建的重中之重。

1.存储资源运营和优化：基于大数据分析和AI技术，构建资源和数据的生命周期模型。精细化管理和优化数据存储形式、位置和策略，实现存储资源的精准匹配和高效利用；

2.存储基础算法迭代：纠删码、重删压缩、容量均衡、数据放置等云存储基础算法在云服务中起到了中流砥柱的作用。对基础算法的迭代和优化牵一发而动全身，难度、深度和价值均非常巨大。

1、计算机、数学等相关专业博士。

2、相关领域顶会或顶刊至少1篇，具有存储领域研究背景。

3、算法、数学功底好，工程能力和数据分析能力强，具有较好学术资源和背景。

AI编译器技术研究博士后

上海、深圳、西安、北京

AI大模型编译器优化的研究背景源于千亿级参数模型在训练/推理中面临的算力瓶颈。研究涉及以下方向——动态编译技术（可变序列长度与稀疏计算）、显存极限管理（PagedAttention分页、Zero Offload卸载）和分布式编译（自动并行策略生成与通信优化），同时需适配昇腾NPU芯片的硬件特性。支撑百万token上下文实时推理与训练成本下降，是AI基础设施的核心技术战场。

1、参与AI编译器的设计与开发，优化AI模型在昇腾硬件的编译与部署效率。

2、研究LLVM、MLIR等编译器框架，构建高性能算子自动生成、图优化、内存优化等技术方案。

3、与算法团队合作设计编译友好的大模型架构，推动MoE、混合精度训练等技术的编译器级支持。

4、探索AI与编译技术的结合方向（如自动并行化、动态shape优化、稀疏计算加速等）。

1、计算机/人工智能/电子工程/数学等相关专业博士。

2、具备快速阅读和复现论文的能力，能够系统性对比研究领域的相关成果，并制定改进计划。

3、熟悉GPU/昇腾NPU结构，了解LLVM/MLIR/TVM/Triton等AI编译器经验者优先。

4、深入理解大模型技术栈（Megatron/DeepSpeed/ColossalAI），熟悉LLM训练/推理的显存与算力瓶颈。