腾讯(tencent)招聘微信 -WeLM 算子开发工程师（深圳、上海）
招聘职位：
微信 -WeLM 算子开发工程师（深圳、上海） 搜索同类职位
岗位职责：
1.针对 Hopper / Blackwell 架构进行 Kernel 开发与优化；
2.基于 CUDA / PTX / Triton 设计和实现大模型训练中的核心算子 Kernel：；
3.结合 Hopper / Blackwell 特性，在线程组织、访存路径、寄存器/共享内存使用、Tensor Core 调度等层面做深度优化；
4.构建高性能训练算子库；
5.针对 WeLM 模型结构进行算子设计与融合，降低 Kernel 调度和访存开销；
6.参与 WeLM 内部高性能算子库的建设，与 PyTorch 及 cuBLAS、cuDNN、CUTLASS 等库进行集成或替换；
7.Kernel 性能分析与瓶颈优化；
8.使用 Nsight Compute / Nsight Systems / nvprof 等工具做 Kernel 级性能剖析；
9.分析 SM 利用率、Tensor Core 利用率、访存带宽、指令吞吐、分支发散等指标，持续迭代 Kernel 实现；
10.为上层训练框架提供关于 batch 设计、sequence length、并行策略等与性能相关的技术建议；
11.前沿技术跟踪与工程落地；
12.跟踪 GPU 新架构、新指令、新库（如最新 CUTLASS、NCCL 等）；
13.学习业界优秀实现（Megatron-LM、DeepSpeed、Deepseek 等）的 Kernel/算子方案，并在 WeLM 体系内做工程化落地。
岗位要求：
1.计算机、电子工程、数学、物理等相关专业，本科及以上学历（硕士/博士优先）；
2.扎实的C/C++ 编程能力，良好的代码风格和工程习惯；
3.熟练使用CUDA 进行 GPU 编程，有亲自写过或优化过 Kernel 的实战经验：；
4.理解 warp/block/grid、共享内存、寄存器分配、协同访存等基本概念；
5.能根据 profiler 结果定位性能瓶颈，并有针对性地改进 Kernel；
6.对GPU 架构与并行计算有较深入理解，熟悉以下至少一项：；
7.CUDA 核心库（cuBLAS / cuDNN 等）或 CUTLASS；
8.Triton 等高性能算子开发框架；
9.Nsight Compute / Nsight Systems / nvprof 等性能分析工具；
10.对数值计算 / 深度学习基础算子 有一定理解，如矩阵乘法、归一化、激活函数、Embedding 等。
加分项：
1.为 PyTorch / TensorFlow / JAX 等框架开发过自定义 CUDA 算子，或参与高性能算子/Kernel 相关开源项目；
2.使用过 H100 等数据中心 GPU 做过中大型模型训练性能调优，对实际集群环境中的性能问题有经验；
3.熟悉 PTX / SASS，能阅读并适度调整编译生成代码以做进一步优化；
4.在 GPU / HPC / 深度学习系统方向有高质量论文或开源成果者优先。
1.针对 Hopper / Blackwell 架构进行 Kernel 开发与优化；
2.基于 CUDA / PTX / Triton 设计和实现大模型训练中的核心算子 Kernel：；
3.结合 Hopper / Blackwell 特性，在线程组织、访存路径、寄存器/共享内存使用、Tensor Core 调度等层面做深度优化；
4.构建高性能训练算子库；
5.针对 WeLM 模型结构进行算子设计与融合，降低 Kernel 调度和访存开销；
6.参与 WeLM 内部高性能算子库的建设，与 PyTorch 及 cuBLAS、cuDNN、CUTLASS 等库进行集成或替换；
7.Kernel 性能分析与瓶颈优化；
8.使用 Nsight Compute / Nsight Systems / nvprof 等工具做 Kernel 级性能剖析；
9.分析 SM 利用率、Tensor Core 利用率、访存带宽、指令吞吐、分支发散等指标，持续迭代 Kernel 实现；
10.为上层训练框架提供关于 batch 设计、sequence length、并行策略等与性能相关的技术建议；
11.前沿技术跟踪与工程落地；
12.跟踪 GPU 新架构、新指令、新库（如最新 CUTLASS、NCCL 等）；
13.学习业界优秀实现（Megatron-LM、DeepSpeed、Deepseek 等）的 Kernel/算子方案，并在 WeLM 体系内做工程化落地。
岗位要求：
1.计算机、电子工程、数学、物理等相关专业，本科及以上学历（硕士/博士优先）；
2.扎实的C/C++ 编程能力，良好的代码风格和工程习惯；
3.熟练使用CUDA 进行 GPU 编程，有亲自写过或优化过 Kernel 的实战经验：；
4.理解 warp/block/grid、共享内存、寄存器分配、协同访存等基本概念；
5.能根据 profiler 结果定位性能瓶颈，并有针对性地改进 Kernel；
6.对GPU 架构与并行计算有较深入理解，熟悉以下至少一项：；
7.CUDA 核心库（cuBLAS / cuDNN 等）或 CUTLASS；
8.Triton 等高性能算子开发框架；
9.Nsight Compute / Nsight Systems / nvprof 等性能分析工具；
10.对数值计算 / 深度学习基础算子 有一定理解，如矩阵乘法、归一化、激活函数、Embedding 等。
加分项：
1.为 PyTorch / TensorFlow / JAX 等框架开发过自定义 CUDA 算子，或参与高性能算子/Kernel 相关开源项目；
2.使用过 H100 等数据中心 GPU 做过中大型模型训练性能调优，对实际集群环境中的性能问题有经验；
3.熟悉 PTX / SASS，能阅读并适度调整编译生成代码以做进一步优化；
4.在 GPU / HPC / 深度学习系统方向有高质量论文或开源成果者优先。
免责声明：
此信息由腾讯官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“腾讯官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！
