岗位描述
岗位描述：负责面向先进数据中心平台优化 GPU 内核性能，构建自动化、数据驱动的工作流，用于发现、解释并防止关键深度学习工作负载中的性能回退，并与内核开发、编译器、基础设施、架构及性能团队紧密协作。具体包括：对 GPU 加速内核及关键深度学习基础模块进行性能验证、分析与调试；端到端定位性能问题，包括复现问题、隔离根因、提出修复或缓解方案，并推动相关团队闭环解决；基于基线、受控对比和回归归因构建结构化性能分析结论；开发和维护基于 Python 的性能测试与分析自动化工具，并使用现代 AI 辅助开发工具提升脚本开发效率，同时保证代码可维护和可审查；设计并运行性能测试工作流，包括覆盖范围定义、测试/负载生成、大规模自动执行（CI/夜间/按需）、重跑规则及可复现性标准；将原始运行结果转化为可执行洞察，包括统计分析、噪声控制、后处理、可视化及大规模结果挖掘；与内核开发者及编译器/轮转团队协作，确保性能检查方案实用、可扩展并符合发布需求；与软件质量保证及基础设施团队合作，支持大规模执行和稳定的流水线/看板建设；参与建立清晰的归属、分诊与流转规则，加速性能回退问题闭环；遵循通用软件工程最佳实践，包括支持回归测试和 CI/CD 流程。 岗位要求：计算机科学、计算机工程、应用数学或相关专业硕士、博士或同等经验；具备扎实的 Python 编程能力，以及 C/C++ 代码阅读、调试和性能分析能力；具备计算机体系结构和性能分析基础，理解延迟/吞吐、存储层次与并行性；具备性能分析工作流经验，包括 profiling、测量方法、可复现性与回归分诊；能够跨团队协作并以清晰沟通推动问题决策与闭环；具备较强的 C++ 编程与软件设计能力，包括调试、性能分析和测试设计；具备性能导向的并行编程经验，即使并非 GPU 场景，如 OpenMP 或 pthreads；扎实理解计算机体系结构并具备一定汇编编程经验；能够识别瓶颈、优化资源利用率并提升吞吐。加分项包括：具备高性能内核或数学库经验，如 GEMM/attention、CUTLASS 类概念；具备 CI/夜间回归系统、看板或大规模性能分析平台建设经验；具备 GPU 编程或性能优化经验（CUDA 或同类并行编程）；理解机器学习/深度学习工作负载，包括训练/推理形态、精度模式及性能瓶颈；熟悉模拟器、分析建模或性能表征方法。