Sign InSign Up
Skip to content
← Back to job listings

场景验证工程师(J10895)

Moore Threads · 全国

External listingfull-timeabout 2 months ago

About The Role

  1. 全栈场景验证——围绕大模型训练与推理、具身智能模型训练与仿真模拟、AI4S、HPC等核心领域，以及先进制造、金融、能源、AI Coding等行业典型应用场景，系统化开展摩尔线程行业解决方案的验证工作，确保方案在真实业务环境中的性能与稳定性。
  2. 深度性能剖析——基于MUSA架构，深入分析各类场景下的计算特征与瓶颈，量化评估摩尔线程GPU在行业场景中的表现。
  3. 解决方案优化——结合验证结果，协同研发、产品及解决方案团队，输出可落地的性能优化建议与方案改进方向，推动行业方案持续迭代。
  4. 分析报告输出——独立或主导撰写详细、专业的场景验证分析报告，覆盖测试方法、数据对比、问题定位及行业洞察，为生态伙伴及客户提供决策参考。
  5. 行业标杆打造——参与金融、能源等重点行业的联合实验室建设与标杆案例打造，为后续规模化推广积累场景化经验。
  6. 深入理解摩尔线程全栈软硬件产品
  • 对摩尔线程软硬件解决方案及应用场景有清晰的认知。
  • 了解摩尔线程在大模型训推、具身智能、AI4S等领域的解决方案布局及标杆案例，能够从行业视角理解业务需求。
  • 关注MUSA生态的发展动态，包括开源工具（如TileLang-MUSA）、迁移工具（如MUSIFY/MUSA SDK）等，能够紧跟生态演进。
  1. 深入的MUSA编程能力
  • 具备扎实的GPU并行计算基础，精通MUSA编程模型，能够熟练使用MUSA C/C++进行算子开发和性能调优。
  • 了解MUSA SDK工具链，包括运行时、编译器、加速计算库等核心组件，能够基于摩尔线程GPU高效开发并行计算应用。
  • 熟悉PyTorch、vLLM、SGLang、Triton等主流AI框架在MUSA架构上的适配与优化方法。
  • 了解TileLang-MUSA等高层编程语言的特性与应用，能够根据场景选择最优的开发路径。
  1. 丰富的AI行业项目实施经验
  • 在大模型训练或推理领域有实际项目经验，熟悉分布式训练策略、推理服务化架构及性能调优方法。
  • 了解MoE模型、长上下文模型等前沿模型的训推特点与挑战，能够设计针对性的验证方案。
  1. 有GPU项目交付经验
  • 具备从售前方案评估到实施落地、再到售后支持的全链路GPU项目交付经验，了解行业方案交付实施过程。
  • 熟悉千卡级以上大规模GPU集群的部署与运维流程，包括硬件环境部署、集群稳定性调优、通信优化等。
  • 了解金融、能源等行业对算力基础设施的合规性、安全性、可扩展性要求，能够在项目交付中兼顾技术实现与行业规范。
  1. 较好的表达能力及文档撰写能力
  • 能够清晰、精准地向内外部干系人（研发团队、产品团队、生态伙伴、客户）阐述验证结论与优化建议。
  • 具备高质量技术文档和行业分析报告的撰写能力，报告逻辑严谨、数据详实、结论明确，兼顾专业性与可读性。
  • 能够和团队一起将验证成果转化为可复用的知识资产，如最佳实践、白皮书、案例研究等，支撑生态推广。
  1. 学历不限，能力优先
  • 我们更看重真实的技术深度、项目落地能力和行业洞察，学历不限。欢迎具备上述能力的各类人才投递。

This is an external listing. JobSpring does not represent or verify the employer. Report this listing