CUDA专家(J14609)

1. 跟踪 GPU 直访存储（GPU-Initiated Storage）领域前沿进展，包括 BaM、SwarmIO、GIDS、GustANN、GPUDirect Storage 等开源系统与学术论文，以及 厂商 KV SSD 技术演进。
2. 深入研究 GPU 发起 I/O 的完整链路：NVMe SQ/CQ 队列模型、Doorbell 批量提交、CQ 轮询与自旋等待优化、GPU 线程并发模型与队列映射策略，定位并消除端到端性能瓶颈。
3. 负责 GPU 页缓存（Page Cache）机制的分析与参数调优，包括缓存容量与命中率关系、页槽位并发约束、缓存替换开销，建立与真实业务（KV Cache 卸载、向量检索）对应的访问模型。
4. 开展多平台性能评测与交叉验证：在 RTX 6000 Pro / H200 等 GPU 平台及多 DSA 服务器上，使用 nvm-block-bench、fio 等工具对标真实企业级 SSD，输出定量性能分析报告与瓶颈定位结论。
5. 研究 GPU + SSD 协同的十亿级向量检索（GustANN / DiskANN / CAGRA），评估高 IOPS 盘在 ANNS 场景下的查询效率，推动存储侧与检索侧协同优化。
6. 推动 GPU 直访存储能力与推理栈（vLLM / SGLang / Mooncake / LMCache）对接，参与 KV Cache 分层卸载链路的架构设计与验证，推导存储产品核心需求并制定技术路线图。
7. 学习 BaM / SwarmIO / GustANN 开源代码，沉淀内部技术文档、测试报告与培训材料，支撑团队能力建设。

基本要求

1. 计算机、电子工程、软件工程、存储系统等相关专业本科及以上学历，3 年以上系统软件开发经验。
2. CUDA 与 GPU 编程：精通 CUDA C/C++，具备 3 年以上 GPU kernel 开发经验：
3. 并发与同步：深刻理解 GPU 上的原子操作、内存序、自旋锁；能运用 Little's Law 等模型分析 I/O 并发度，从队列深度、在飞命令数反推系统瓶颈。
4. 存储协议：熟悉 NVMe 协议（1.4+）：SQ/CQ 队列对、Doorbell 机制、PRP/SGL 地址描述、中断与轮询完成模式；了解 NVMe KV Command Set 者优先。
5. 系统功底：具备扎实的 Linux 内核与驱动开发能力，能够阅读和修改内核模块（如 libnvm），理解 DMA、PCIe TLP、MMIO/BAR、IOMMU 等底层机制。
6. 熟练使用 Nsight Systems / Nsight Compute / perf 等性能分析工具，具备端到端延迟拆解（submit → dispatch → DSA → completion）的问题定位能力。
7. 理解大模型推理基本概念：Transformer、Attention、KV Cache、Prefill/Decode 分离、长上下文。

加分项

1. BaM / GIDS / cuFile 经验

2.SwarmIO / NVMeVirt仿真器开发经验

1. SSD、Flash、存储等相关经验