招聘 · 壹零中枢科技 · 海外 AI 创新实验室
让视频边生成、边观看、边导演
我们是海外母公司旗下专注于海外市场的杭州 AI 创新实验室，聚焦下一代实时视频生成与视频世界模型。我们相信视频生成的下一步，是从「提交、等待、下载」变成「边生成、边观看、边导演」：画面和声音像直播一样连续流出，人随时可以用一句话改变剧情和镜头。
核心攻坚目标
以开源 MiniMax H3（33B 参数的音视频联合生成模型）为基座，通过后训练做出两项核心能力：
生成速度快于播放，画质与提示词遵循不低于原版。海外头部平台已经证明这条路走得通（5 秒视频 3 秒内生成），我们要在自己手里做出同级别、并且更好的版本。
一条连续生成的音视频流，观看过程中随时输入新指令改剧情、换镜头，后续画面即时跟上、前后连贯。这是交互式视频世界模型的第一步。
工作方式：每加一层加速，都要先过量化质量关卡和人工偏好评测（同种子画面对比、GSB 盲测、与对标模型的 Elo 排名、音画同步指标），才能叠加下一层。光快不够，还要证明更好。
我们能给你的
公司提供 B200 集群，依托阿里云及海外算力平台按需弹性调用，30B 模型的多机蒸馏和长视频训练不必卡在资源上。
对标对象公开可测，做出来就是业界第一梯队的成绩，成果直接进入面向海外市场的产品。
算法 TL 主导技术路线、团队组建与资源分配，从数据、训练到上线全链路决策；推理工程师与 TL 一起做模型与推理系统的协同设计，推理架构与 kernel 方案自主决策。
在不涉及商业机密的前提下，支持发表论文、开源模型与代码。
算法专家 / TL：60万 - 120万 Base + 15薪保底 + 项目现金分红，全现金结构，没有期权兑现的不确定性。
资深视频生成算法专家 / TL
从数学和算法出发，让 H3 又快又好，并做出可以实时导演的连续视频流。
岗位职责
- 加速算法研究（Algorithm Research）：从数学原理出发研究新的加速算法，例如高阶 / 自适应 ODE 采样、生成轨迹拉直与流匹配目标改进、注意力的低秩 / 稀疏近似等；给出可验证的理论分析和实验，在质量不降的前提下持续降低计算量，并通过后训练落到 H3 上。
- 实时导演模型（Realtime Streaming）：主导连续音视频流的分块 / 自回归生成（Self-Forcing、diffusion forcing 等路线）与稀疏注意力适配训练，支持播放中实时更换指令；保证镜头切换自然、人物与场景前后一致、音画同步，生成速度稳定快于播放。
- 模型压缩与训推协同（Compression & Inference）：主导剪层恢复训练、量化感知训练（FP8/NVFP4）等压缩方案；与推理团队协同多卡序列并行、低精度 kernel、VAE 解码与文本编码加速，确保训练侧的加速在线上端到端兑现。
- 质量关卡与技术管理（Quality Gate & TL）：建立量化质量关卡与人工偏好评测（同种子画面对比、GSB 盲测、与对标模型的 Elo 排名、音画同步指标），每一层加速通过关卡后才能叠加下一层；负责技术路线选型、算力规划与团队搭建，对极速版和实时导演模型的速度与质量指标负责。
岗位要求
- 计算机、人工智能、数学、统计、物理等相关专业硕士及以上学历，具备一线知名科技大厂或头部 AI 独角兽实战经验；
- 数学功底扎实（核心要求）：熟练掌握概率论与随机过程、常微分 / 随机微分方程及其数值解法、优化理论与线性代数；能从原理上推导和分析加速方法（如采样误差、流匹配目标、低秩 / 稀疏近似），而不只是调参和套用现成方案；
- 扩散 / 流匹配基本功扎实：理解 rectified flow、噪声调度（shift）、CFG 与 ODE 采样器；熟悉 DMD/DMD2、一致性蒸馏（LCM/sCM/rCM）、对抗蒸馏等主流少步方法的原理与取舍；
- 大规模分布式训练经验：熟练使用 PyTorch、FSDP2/DeepSpeed、序列并行（Ulysses/Ring）、激活重算与混合精度；
- 评测与质量把控能力：熟悉 PSNR、LPIPS、VBench 等指标，能设计人工偏好评测（GSB 盲测、Elo），能在「更快」与「更好」之间做出有数据支撑的取舍。
加分项
- 在 FastVideo、LightX2V、Self-Forcing、CausVid、DMD2 等开源项目有贡献，或蒸馏过 Wan、HunyuanVideo 等主流开源大模型并发布过权重；
- 有自回归 / 流式视频生成（Self-Forcing、CausVid、diffusion forcing 等）或交互式视频世界模型经验；
- 做过稀疏注意力训练（VSA、STA 等）、量化感知训练（FP8/NVFP4）或剪层恢复训练；懂推理侧 kernel 与多卡并行，知道什么样的模型结构能被真正加速；
- 以第一作者在 CVPR / ICCV / NeurIPS / ICLR 等会议发表过扩散模型加速或生成模型理论方向的论文；
- 有音视频联合生成、音画同步，或用偏好优化（DPO/RLHF）提升视频画质与提示词遵循的经验；
- 数学、物理竞赛（IMO、CMO、丘成桐大学生数学竞赛等）获奖，或有数学方向的研究经历。
视频生成推理加速工程师
把蒸馏后剩下的计算跑到硬件极限，并让实时导演模型的视频流稳定快于播放。
岗位职责
- 全链路推理加速：文本编码、DiT 去噪、VAE 解码、音频生成，哪一段慢就优化哪一段；
- 实时流式推理：搭建分块生成与播放的流水线，缩短首段等待时间，让连续输出稳定快于播放，播放中途切换指令不卡顿；
- 多卡并行：用序列并行把一段长视频切到多张 B200 上同时算，降低通信开销；
- 核心 kernel：开发和优化注意力、GEMM 等核心 kernel，支持 FP8 / INT8 / NVFP4 低精度；
- 推理服务化与性能分析：CUDA Graph、torch.compile、显存与批处理调度；定位瓶颈，并把哪些结构好加速反馈给算法团队。
岗位要求
- 计算机、人工智能等相关专业硕士及以上学历，具备一线知名科技大厂或头部 AI 独角兽实战经验；
- 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。
加分项
- 给 SGLang、vLLM、xDiT、FastVideo、TensorRT 等推理框架做过贡献；
- 做过扩散模型或视频生成模型的推理加速，并且上线过；
- 做过实时音视频流（WebRTC 等）或低延迟推理服务；
- 做过 VAE 并行解码 / 分块解码优化，或者有量化模型部署经验。
为什么这个岗位必须有：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，往往占总时间的三分之一左右；实时导演模型更要求每一段都稳定快于播放。这部分只能靠系统优化。
补充福利
办公地点在杭州余杭未来科技城西溪八方城，运动公园式工作环境。团队 90% 以上为技术人员，氛围简单、融洽、友好；任务结果导向，不提倡无效加班。
投递方式
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）
- 邮件标题：岗位名 + 姓名 + 方向（例如「算法专家 · 张三 · DMD 蒸馏」）
- 附一段 200 字以内的说明：你亲手做过的最能体现能力的一次加速，用了什么方法，快了多少，质量掉了多少