---- 鯤鵬 AI 創(chuàng)新應(yīng)用開源實(shí)習(xí)生招募 ----
華為通過軟件開源方式，共享在基礎(chǔ)軟件領(lǐng)域的多年積累，先后開源openEuler操作系統(tǒng)和openGauss數(shù)據(jù)庫(kù)，吸納計(jì)算產(chǎn)業(yè)優(yōu)秀人才和技術(shù)，繁榮鯤鵬軟件生態(tài)。
開源開放是驅(qū)動(dòng)技術(shù)創(chuàng)新和產(chǎn)業(yè)繁榮的核心力量，華為計(jì)算產(chǎn)品線發(fā)布開源實(shí)習(xí)生課題，圍繞openEuler、openGauss、HPC和BoostKit和DevKit多領(lǐng)域開放多個(gè)實(shí)習(xí)課題，歡迎各位同學(xué)投遞！
【面向人群】
大三及以上本科生
2027年及以后畢業(yè)的優(yōu)秀碩博研究生
【招聘地域】
上海/杭州
【招聘周期】
即日起至2026年12月31日
【實(shí)習(xí)課題】
課題1：AI輔助Linux開發(fā)與工具鏈智能化
在openEuler這樣的大型開源社區(qū)中，軟件構(gòu)建、測(cè)試，以及海量技術(shù)文檔的管理，都會(huì)耗費(fèi)開發(fā)者與運(yùn)維人員的不少精力。本課題借助AI，對(duì)openEuler社區(qū)的開發(fā)運(yùn)維工具鏈做智能化改造，將開發(fā)者與運(yùn)維人員從繁瑣的工作中解放出來。
利用大模型、AI Agent和RAG等前沿技術(shù)，圍繞openEuler社區(qū)構(gòu)建智能化的開發(fā)運(yùn)維體系，將繁瑣的部署、測(cè)試流程進(jìn)行自動(dòng)化改造，并構(gòu)建一個(gè)能隨時(shí)解答社區(qū)相關(guān)問題的智能知識(shí)庫(kù)，提升知識(shí)獲取效率。
課題2：Linux系統(tǒng)性能與能效調(diào)優(yōu)
隨著AI技術(shù)的飛速發(fā)展，各行業(yè)對(duì)硬件性能與算力的需求急劇增長(zhǎng)。作為底層基礎(chǔ)設(shè)施，openEuler操作系統(tǒng)在性能和效率方面正面臨更嚴(yán)峻的挑戰(zhàn)與更高要求。本課題從操作系統(tǒng)CPU調(diào)度、內(nèi)存管理和功耗控制等方面進(jìn)行優(yōu)化，致力于實(shí)現(xiàn)系統(tǒng)更快、更流暢、更節(jié)能的運(yùn)行效果。
面向AI任務(wù)實(shí)現(xiàn)CPU和NPU/GPU智能調(diào)度以優(yōu)化算力分配，為數(shù)據(jù)中心設(shè)計(jì)動(dòng)態(tài)節(jié)能機(jī)制，針對(duì)高負(fù)載內(nèi)存區(qū)域進(jìn)行熱區(qū)識(shí)別與性能優(yōu)化，并改進(jìn)SMT架構(gòu)下線程間的協(xié)同調(diào)度策略。目標(biāo)是整體提升openEuler系統(tǒng)的運(yùn)行效率和能效表現(xiàn)。
課題3：openGauss數(shù)據(jù)庫(kù)助力 AI應(yīng)用：多模態(tài)數(shù)據(jù)高效檢索研究
現(xiàn)在，像智能問答（RAG）和智能助手（AI Agent）這樣的AI應(yīng)用越來越常見，它們能讓大模型回答更準(zhǔn)確、還能自主完成更多任務(wù)。這些應(yīng)用都需要數(shù)據(jù)庫(kù)幫忙快速查找各種類型的數(shù)據(jù)，比如文字、圖片向量、知識(shí)圖譜等。但怎么讓數(shù)據(jù)庫(kù)高效地管理這些數(shù)據(jù)，讓AI應(yīng)用查得又快又準(zhǔn)，是目前需要解決的關(guān)鍵問題。
針對(duì)智能問答和智能助手這類AI應(yīng)用，研究不同類型數(shù)據(jù)（如文字、向量、圖譜）的檢索技術(shù)對(duì)系統(tǒng)速度的影響，探索能高效構(gòu)建、精準(zhǔn)查找這些數(shù)據(jù)的方法，并在靈活的Serverless架構(gòu)下實(shí)現(xiàn)相關(guān)功能，讓openGauss數(shù)據(jù)庫(kù)更好地支持AI應(yīng)用。
課題4：AI賦能數(shù)據(jù)庫(kù)：智能決策與性能調(diào)優(yōu)研究
隨著數(shù)據(jù)庫(kù)處理的數(shù)據(jù)量爆發(fā)式增長(zhǎng)，業(yè)務(wù)場(chǎng)景也越來越復(fù)雜，傳統(tǒng)依賴人工調(diào)優(yōu)、經(jīng)驗(yàn)判斷的數(shù)據(jù)庫(kù)管理方式，很難難滿足實(shí)時(shí)決策和極致性能的需求。大模型在邏輯推理、模式識(shí)別上的優(yōu)勢(shì)，為數(shù)據(jù)庫(kù)實(shí)現(xiàn)自我優(yōu)化、智能決策提供了全新可能，如何讓AI深度融入數(shù)據(jù)庫(kù)核心能力，成為突破性能瓶頸的關(guān)鍵方向。
研究基于大模型的openGauss數(shù)據(jù)庫(kù)智能增強(qiáng)系統(tǒng)：通過優(yōu)化技術(shù)文檔的處理方式，構(gòu)建高精度知識(shí)庫(kù)，實(shí)現(xiàn)數(shù)據(jù)庫(kù)原理、操作的智能問答，讓開發(fā)者快速掌握核心能力；探索大模型與數(shù)據(jù)庫(kù)運(yùn)行指標(biāo)的深度結(jié)合，設(shè)計(jì)智能預(yù)測(cè)與決策模型，實(shí)現(xiàn)查詢自動(dòng)優(yōu)化、性能瓶頸提前預(yù)警、資源動(dòng)態(tài)調(diào)配等主動(dòng)進(jìn)化能力，推動(dòng)數(shù)據(jù)庫(kù)從 "被動(dòng)響應(yīng)" 向 "主動(dòng)進(jìn)化" 升級(jí)。
課題5：基于鯤鵬高性能處理器中的矩陣單元進(jìn)行AlphaFold、DeepSeek等模型應(yīng)用的算法設(shè)計(jì)及調(diào)優(yōu)
鯤鵬新一代ARM CPU處理器在核心數(shù)量、內(nèi)存帶寬、緩存層次結(jié)構(gòu)及向量化能力等方面取得了顯著提升，為鯤鵬HPC（高性能計(jì)算）的發(fā)展奠定了堅(jiān)實(shí)基礎(chǔ)，提供了無限的可能。因此在軟件層面，如何實(shí)現(xiàn)高效HPC并行加速庫(kù)，使能HPC和AI4S應(yīng)用，從而充分發(fā)揮鯤鵬硬件性能成了一大問題。
1、基于鯤鵬高性能處理器底層能力，設(shè)計(jì)實(shí)現(xiàn)KUPL（鯤鵬統(tǒng)一并行加速庫(kù)）相關(guān)特性，高效使能加速HPC和AI4S應(yīng)用；
2、基于鯤鵬高性能處理器中的矩陣單元進(jìn)行AlphaFold、DeepSeek等模型應(yīng)用的算法設(shè)計(jì)開發(fā)，提升應(yīng)用整體推理性能；
3、針對(duì)特定領(lǐng)域HPC應(yīng)用（Lammps等）設(shè)計(jì)并開發(fā)領(lǐng)域加速庫(kù)，提升應(yīng)用典型算例性能。
課題6：圍繞鯤鵬CPU的人工智能場(chǎng)景創(chuàng)新研究
隨著模型的能力越來越強(qiáng)，圍繞模型能力延伸的AI Agent逐步成為人工智能應(yīng)用商業(yè)落地的重要方向。Agent除了利用GPU/NPU支持大模型的規(guī)劃推理外，還需要CPU支持Agent工具調(diào)用、記憶管理、KV Cache存儲(chǔ)等功能，因此需要CPU在Agent等AI新場(chǎng)景中提供對(duì)應(yīng)的能力和解決方案。
研究AI Agent系統(tǒng)組成與功能模塊要求，基于鯤鵬CPU開展數(shù)據(jù)前后處理、工具調(diào)用、記憶管理、KV Cache存儲(chǔ)等Agent模塊的系統(tǒng)原型研究與搭建，并在Agent主流開源框架社區(qū)完成鯤鵬CPU支持能力的社區(qū)合入，推動(dòng)主流框架與鯤鵬CPU的適配。
課題7：AI軟件分析與性能優(yōu)化工具開發(fā)
鯤鵬軟件生態(tài)快速演進(jìn)，開發(fā)者缺少鯤鵬架構(gòu)軟件開發(fā)經(jīng)驗(yàn)，急需構(gòu)建性能定位優(yōu)化能力。尤其是在大型開源項(xiàng)目或企業(yè)級(jí)系統(tǒng)中，手動(dòng)完成代碼成分分析、業(yè)務(wù)代碼性能定位和優(yōu)化不僅耗時(shí)費(fèi)力，還容易引入錯(cuò)誤。本課題旨在結(jié)合前沿AI能力，打造智能輔助開發(fā)工具，幫助開發(fā)者高效、安全地完成代碼分析與性能優(yōu)化，提升鯤鵬架構(gòu)軟件開發(fā)效率與鯤鵬應(yīng)用性能。
利用AI技術(shù)，結(jié)合程序分析技術(shù)，構(gòu)建一個(gè)支持軟件成分分析、源碼語(yǔ)義理解與源碼優(yōu)化的智能開發(fā)輔助系統(tǒng)。構(gòu)建源碼級(jí)語(yǔ)義理解引擎，實(shí)現(xiàn)對(duì)用戶代碼上下文的深度感知，提供高精度、可解釋的鯤鵬親和重構(gòu)，結(jié)合鯤鵬系統(tǒng)架構(gòu)特點(diǎn)提供優(yōu)化建議；探索RAG技術(shù)在軟件分析與件優(yōu)化領(lǐng)域的潛力，提升AI結(jié)果的準(zhǔn)確性。通過本課題，你將深入?yún)⑴cAI for Code的前沿實(shí)踐，為開發(fā)者打造真正“懂代碼、會(huì)思考”的智能伙伴。