AI虚拟人算法系统工程师

岗位职责

算法集成与CUDA深度优化： 负责TTS、V2F、V2M等高性能AI算法服务的实现、集成与深度优化，重点利用CUDA进行内核级优化、内存访问优化及计算密集型任务加速，最大化利用GPU算力。 设计与实现算法模块与Unreal Engine的高效通信协议、数据接口及低延迟、高吞吐的实时流式推理管线。

UE系统集成与性能优化： 设计、构建并维护UE与AI服务的高性能交互框架，高效管理大规模数据传输（如BlendShape、骨骼数据流），保障端到端低延迟与高保真效果。 持续优化3D角色表情/动作实时驱动流程，系统性解决延迟、同步与性能瓶颈问题。

跨领域效果调优与问题诊断： 深入分析AI效果表现全链路（算法输出→引擎解析→美术渲染），精准定位失真根源（算法/引擎/资产/数据）。 协同算法、美术、引擎团队制定数据规范、质量标准，主导并实施跨领域协同优化方案。

系统架构设计与优化： 主导设计高并发、可扩展、低延迟的AI-UE集成系统架构，确保系统鲁棒性、容错性与未来扩展性。 设计并推动实施算法模块的单元测试、集成测试及压力测试策略。 持续评估系统瓶颈，提出并落地架构演进与性能优化方案。

任职要求

核心编程与工程能力： 精通 Python 和 C++，具备5年以上高性能、低延迟系统开发调试经验。 精通 Unreal Engine开发框架，包括蓝图、C++模块、动画系统及插件开发。

CUDA深度优化能力： 深入掌握CUDA编程模型、并行计算原理及GPU架构。 具备扎实的CUDA性能调优实战经验，熟练使用Nsight Compute/Systems等工具进行性能分析和瓶颈定位。 精通CUDA内核开发、内存优化（全局/共享/常量内存，零拷贝）、流处理、异步执行等关键技术。

系统架构设计能力： 具备设计复杂、高并发、分布式实时系统架构的能力，深刻理解可扩展性、容错性、低延迟设计原则。 深入理解UE与AI服务交互机制（gRPC/WebSocket通信、Protobuf/FlatBuffers等数据序列化）。 精通实时流式推理管线设计、优化与监控，掌握异步处理、多线程同步、资源管理、负载均衡等关键技术。

算法与驱动原理： 深入理解TTS/V2F/V2M等核心算法的输入输出、性能边界、资源消耗及其与上下游系统的关联性。 精通3D表情驱动（BlendShape/Morph Target）与动作驱动（骨骼动画、IK/FK）原理及相关数据格式（FBX, USD, 骨骼权重映射）。

效果评估与系统调试： 具备强大的跨领域（算法→引擎→美术）效果分析与问题定位能力。 熟练运用数据流追踪、日志分析、UE Profiler、RenderDoc等工具进行深度调试与性能剖析。