招聘 · 视频生成加速

让 16 秒的视频，8 秒生成出来

我们在攻视频大模型的生成速度：用比视频本身更短的时间，生成更长的视频，而且画质、动作、口型不掉。现招两个岗位，一个负责让模型少算，一个负责让计算跑得快。

我们在攻什么

当前开源的音视频大模型（30B 级 DiT，视频和音频一起生成），原版单卡生成一段 15 秒视频要十分钟以上。我们的目标是 2 倍实时：每 1 秒视频，只花 0.5 秒去算。

~680秒

原版权重，单卡 B200 生成 15 秒视频

≤ 8秒

目标：生成 16 秒视频

~90倍

需要的综合加速

这么大的差距，单靠一招做不到，要两条路一起走：

少算

步数蒸馏把约 50 步压到 4–8 步，再加 CFG 蒸馏、稀疏注意力、剪层、长视频分块生成，减少总计算量。

→ 岗位一：加速算法工程师

快算

多卡序列并行，用 FP8 / NVFP4 低精度 kernel，加速 VAE 解码，压缩文本编码和音频的耗时，让剩下的计算跑满硬件。

→ 岗位二：推理加速工程师

工作方式：每加一层加速，都要先过量化的质量关卡才能叠下一层：同种子画面对比、几百条提示词的人工盲测、口型同步指标。光快不够，还要证明质量没掉。

核心岗资深 / 专家后训练 · 蒸馏

后训练 / 蒸馏方向：用训练的办法，让模型用更少的步数、更少的计算，生成同样好的视频。

扩散 / 流匹配基本功扎实：懂 rectified flow、噪声调度（shift）、CFG、ODE 采样器，能讲清楚为什么不重新训练就不能把步数直接改小
做过大模型的少步蒸馏，并且交付过：DMD / DMD2、一致性蒸馏（LCM、sCM、rCM）、对抗蒸馏，至少一种在 10B 以上的视频或大图像模型上完整做过，能说清楚多样性下降（模式崩塌）之类的问题是怎么处理的
大规模分布式训练：熟练使用 PyTorch、FSDP2 / DeepSpeed、序列并行（Ulysses、Ring）、激活重算、混合精度；能在多机多卡上排查训练问题；能规划蒸馏时教师、学生、判别网络三个模型同时占用的显存
会评测：熟悉 PSNR、LPIPS、VBench 等指标，会设计人工盲测（GSB），能判断「快了」和「差了」之间该怎么取舍

我们更看重：亲手把大视频模型蒸到少步、并且守住质量的经历。只在 Stable Diffusion 上用过 LCM-LoRA，只做过画质对齐的强化学习，或者只会套现成的 Turbo LoRA，通常还不够。

必配岗资深系统 · Kernel

系统 / Kernel 方向：把蒸馏后剩下的计算，在多卡上跑到硬件极限。

CUDA / Triton 实战：亲手写过或优化过注意力、GEMM 一类的 kernel
熟悉主流注意力实现：了解 FlashAttention-3、SageAttention 的原理和源码；了解 Hopper / Blackwell 架构（TMA、FP8、NVFP4）
多卡通信和并行：熟悉 NCCL、Ulysses / Ring Attention，用过 xDiT / USP 之类的方案
性能分析：熟练使用 Nsight Systems / Nsight Compute，能用数据说清楚时间花在了哪里
深入使用 PyTorch：torch.compile、CUDA Graph、自定义算子

为什么这个岗必须有：就算把去噪优化到 0 秒，文本编码、VAE 解码和音频这些环节的耗时也还在，而且往往占总时间的三分之一左右。这部分只能靠系统优化。

请把简历和代表作（论文、开源仓库、技术博客都可以）发到：招聘邮箱（待补充）