AI存储系统架构专家

该职位来源于猎聘 职位定位— KV Cache 与 GPU I/O 软件栈方向 (AI Storage Software Architect) 专注大模型场景下 KV Cache 的分层存储（Tiering）与 I/O 加速，兼顾传统存储技术调研与下一代 AI 芯片存储架构研究。将成熟存储技术“降维”应用到 KV Cache 与 GPU 直通数据通路中。 核心工作方向 1.技术调研与研究 o跟踪存储领域前沿（新介质、协议、硬件卸载、CXL、RDMA等），输出技术评估报告，为芯片存储架构提供决策输入。 o研究传统存储技术（压缩/去重/分层/GC/元数据结构/无锁并发等）在 AI 场景的迁移与创新。 2.KV Cache 分层存储（Tiering）与加速 o设计 HBM → 系统内存 → 远端存储池的多级 KV Cache 流转策略，实现冷热数据识别、智能预取、迁移（Relocation）与换出（Evacuation）。 o优化 GPU 直连存储的数据通路，研究零拷贝、RDMA、无锁队列、合并更新等技术，降低端到端延迟与写放大。 3.存储引擎与元数据优化 o借鉴 LSM/B 树等存储引擎思想，设计轻量级 KV Cache 元数据管理与高效 GC 机制。 o探索减少 on-disk 更新次数、高效空闲空间回收等技术。 4.中心存储节点能力（按需） o参考块/文件/KV store 及 SMB/NFS/iSCSI 协议设计，为 AI 集群共享存储池提供基础能力支撑。 期望的能力与经验 有传统存储（文件/块/KV store、压缩、去重、自动分层、GC、零拷贝、减少锁、合并更新、高效元数据等）的实际研发和相关前沿技术的深入研究经验。 对 KV Cache 生命周期（如 PagedAttention）或大模型推理框架（vLLM 等）有了解者优先。 具备较强的研究调研能力，能独立进行技术探索与原型验证。 硕士/博士学历优先，10 年以上存储或相关领域经验。 掌握 C/C++，有 Linux 内核存储、io_uring、RDMA/RoCEv2 或 SPDK 开发经验者加分（非硬性门槛）。