---- 鯤鵬 AI 創(chuàng)新應(yīng)用開源實習(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，吸納計算產(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)動技術(shù)創(chuàng)新和產(chǎn)業(yè)繁榮的核心力量，華為計算產(chǎn)品線發(fā)布開源實習(xí)生課題，圍繞openEuler、openGauss、HPC和BoostKit和DevKit多領(lǐng)域開放多個實習(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、測試，以及海量技術(shù)文檔的管理，都會耗費開發(fā)者與運維人員的不少精力。本課題借助AI，對openEuler社區(qū)的開發(fā)運維工具鏈做智能化改造，將開發(fā)者與運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)運維體系，將繁瑣的部署、測試流程進(jìn)行自動化改造，并構(gòu)建一個能隨時解答社區(qū)相關(guān)問題的智能知識庫，提升知識獲取效率。
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)對硬件性能與算力的需求急劇增長。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，致力于實現(xiàn)系統(tǒng)更快、更流暢、更節(jié)能的運行效果。
面向AI任務(wù)實現(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)計動態(tài)節(jié)能機制，針對高負(fù)載內(nèi)存區(qū)域進(jìn)行熱區(qū)識別與性能優(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)的運行效率和能效表現(xiàn)。
課題3：openGauss數(shù)據(jù)庫助力 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、知識圖譜等。但怎么讓數(shù)據(jù)庫高效地管理這些數(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)下實現(xiàn)相關(guān)功能，讓openGauss數(shù)據(jù)庫更好地支持AI應(yīng)用。
課題4：AI賦能數(shù)據(jù)庫：智能決策與性能調(diào)優(yōu)研究
隨著數(shù)據(jù)庫處理的數(shù)據(jù)量爆發(fā)式增長，業(yè)務(wù)場景也越來越復(fù)雜，傳統(tǒng)依賴人工調(diào)優(yōu)、經(jīng)驗判斷的數(shù)據(jù)庫管理方式，很難難滿足實時決策和極致性能的需求。大模型在邏輯推理、模式識別上的優(yōu)勢，為數(shù)據(jù)庫實現(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)庫智能增強系統(tǒng)：通過優(yōu)化技術(shù)文檔的處理方式，構(gòu)建高精度知識庫，實現(xiàn)數(shù)據(jù)庫原理、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)庫運行指標(biāo)的深度結(jié)合，設(shè)計智能預(yù)測與決策模型，實現(xiàn)查詢自動優(yōu)化、性能瓶頸提前預(yù)警、資源動態(tài)調(diào)配等主動進(jìn)化能力，推動數(shù)據(jù)庫從 "被動響應(yīng)" 向 "主動進(jìn)化" 升級。
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（高性能計算）的發(fā)展奠定了堅實基礎(chǔ)，提供了無限的可能。因此在軟件層面，如何實現(xiàn)高效HPC并行加速庫，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)計實現(xiàn)KUPL（鯤鵬統(tǒng)一并行加速庫）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)計開發(fā)，提升應(yīng)用整體推理性能；
3、針對特定領(lǐng)域HPC應(yīng)用（Lammps等）設(shè)計并開發(fā)領(lǐng)域加速庫，提升應(yīng)用典型算例性能。
課題6：圍繞鯤鵬CPU的人工智能場景創(chuàng)新研究
隨著模型的能力越來越強，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存儲等功能，因此需要CPU在Agent等AI新場景中提供對應(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，急需構(gòu)建性能定位優(yōu)化能力。尤其是在大型開源項目或企業(yè)級系統(tǒng)中，手動完成代碼成分分析、業(yè)務(wù)代碼性能定位和優(yōu)化不僅耗時費力，還容易引入錯誤。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)建一個支持軟件成分分析、源碼語義理解與源碼優(yōu)化的智能開發(fā)輔助系統(tǒng)。構(gòu)建源碼級語義理解引擎，實現(xiàn)對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的前沿實踐，為開發(fā)者打造真正“懂代碼、會思考”的智能伙伴。