Technical Lead — CUDA/Triton Kernel Development for LLM Acceleration

Описание

Мы создаём самые сильные языковые модели в России и одни из самых больших в мире такие как [GigaChat3 Ultra](https://huggingface.co/ai-sage/GigaChat3-702B-A36B-preview). Создание таких систем требует оптимизации архитектуры под GPU и решение проблем с масштабированием на кластера из тысяч видеокарт. Все это - нетривиальные инженерные вызовы, решение которых закладывается в следующие поколения наших моделей. У нас вы будете работать с современным набором видеокарт: NVIDIA B200/H100. Наш стек полностью интегрирован с PyTorch/TensorRT/ONNX и активно использует Triton, CUDA, CUTLASS и кастомные ядра для оптимизации: FlashAttention, PagedAttention, DeepEP, и др. Среди наших достижений - реализация собственных ядер для распределённого обучения: асинхронный Expert & Tensor Parallel, а также Async Liger. Но хочется больше Цель - снизить latency и увеличить throughput, оптимизировать новые архитектуры, делать их обучение экономически выгодным по сравнению с классическими LLM & MoE

Обязанности

* лидировать направление по разработке и оптимизации CUDA/Triton-ядер для LLM * тесно взаимодействовать с ML-инженерами и research-командами для понимания workload’ов и bottleneck’ов (например: multinode inference, sparse attention, mixture-of-experts, long-context inference) * участвовать в open-source инициативах (возможно — форки/патчи в Triton, upstream в PyTorch/TensorRT/SGLang)

Требования

### Мы ожидаем, что вы: * имеете 5+ лет опыта в low-level GPU программировании (CUDA C++, PTX/SASS, shared memory/coalescing/warp-shuffle, async memcpy, stream management) * глубоко понимаете архитектуру NVIDIA GPU (Tensor Cores, warp execution, occupancy, L2 cache hierarchy) и умеете профилировать через Nsight * владеете Triton (или готовы освоить быстро) и понимаете его trade-offs vs чистая CUDA * есть опыт работы с современными фреймворками: PyTorch (custom ops, torch.compile), TensorRT (plugins), возможно — SGLang * имеете опыт управления технической командой (2+ лет как lead/tech lead) Плюсом будет: * понимание сетевой составляющей обучений на больших кластерах (опыт работы с NVSHMEM, NCC) * знание CPU/GPU взаимодействия (pinned memory, zero-copy, unified memory pitfalls) * опыт оптимизации под конкретные HW — например, Hopper vs Ampere.

Условия

* удалённо по всей России * возможность оформления в аккредитованную IT-компанию * годовая премия по итогам работы * регулярный пересмотр зарплат * корпоративный спортзал и зоны отдыха * более 400 программ СберУниверситета для роста * программа адаптации и помощь руководителя на старте * крупнейшее DS&AI community – более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы * ДМС, льготное страхование для семьи, корпоративная пенсионная программа * ипотека для сотрудников по дисконтной программе * СберПрайм+ и скидки у партнёров * бонус за рекомендации в команду.