Детали

Грейд

Senior

Опыт работы

от 4 лет

Формат работы

Удалённо, Офис

Уровень английского

B2, выше среднего

Сопроводительное письмо к вакансии

Письмо на почту или сообщение рекрутеру в Telegram

О вакансии

Fuse Energy — стартап в энергетической отрасли, миссия которого — сделать энергию обильной, доступной и быстрой. Мы сочетаем мышление, основанное на фундаментальных принципах, с передовыми технологиями для создания радикально лучшей энергетической системы.

Мы привлекли более 200 миллионов долларов от ведущих инвесторов, включая Balderton, Lakestar, Accel, Creandum, Lowercarbon, Ribbit, 20VC, Hummingbird и Collaborative Fund, а также от стратегических ангелов, таких как Нико Росберг и управляющие партнеры Meta, Revolut, Spotify и Uber.

Мы строим полностью интегрированную энергетическую компанию: разрабатываем собственные проекты в области солнечной энергетики, аккумуляторов и других видов генерации, производим собственное оборудование, совершенствуем и развиваем сетевую инфраструктуру, торгуем электроэнергией в реальном времени, используем ИИ во всем бизнесе и устанавливаем распределенные энергосистемы в домах. Продавая напрямую потребителям, мы исключаем посредников, снижаем затраты и передаем сэкономленные средства нашим клиентам.

Поскольку центры обработки данных становятся одним из крупнейших и наиболее быстрорастущих источников спроса на электроэнергию, Fuse расширяется в область высокопроизводительных вычислительных инфраструктур на стыке энергетики и ИИ. Мы ищем CUDA Engineer для написания и оптимизации низкоуровневого кода GPU, который обеспечивает работу наших моделей вывода: проектирование пользовательских CUDA-ядер, настройка производительности с учетом узких мест пропускной способности памяти и вычислительной мощности, а также максимизация пропускной способности каждой GPU в нашем парке, работая на уровне SM, warp и иерархий памяти.

Задачи

Написание и оптимизация пользовательских CUDA-ядер для основных операций вывода трансформеров
Профилирование ядер для выявления и устранения узких мест в заполнении, пропускной способности памяти и расхождении warp
Применение слияния ядер для уменьшения числа обменов данными с памятью и накладных расходов на запуск в конвейерах вывода
Оптимизация шаблонов доступа к памяти и управление иерархией памяти для максимального использования пропускной способности
Реализация ядер с учетом квантования и арифметики со смешанной точностью для снижения задержки и потребления памяти
Создание и настройка механизмов кеширования для эффективного авторегрессионного декодирования
Настройка конфигураций запуска ядер для целевых архитектур GPU
Сравнение производительности ядер с существующими базовыми показателями и достижение измеримых улучшений пропускной способности и задержки
Написание тестов для CUDA-кода для выявления регрессий производительности и корректности
Поддержка внутренних библиотек CUDA и вклад в командные стандарты кодирования и документацию

Требования

4+ года написания продакшн CUDA-кода с подтвержденным опытом создания ядер, критически важных для производительности
Глубокое понимание микроархитектуры GPU: warp, заполнение, давление регистров и иерархия памяти
Отличные навыки работы с CUDA C++, включая потоки и асинхронное выполнение
Практический опыт профилирования для диагностики узких мест, связанных с вычислениями или памятью
Опыт слияния ядер, коалесцирования памяти и предотвращения расхождений warp
Опыт написания ядер с квантованием и смешанной точностью
Прочное понимание проектирования параллельных алгоритмов и компромиссов в отношении точности вычислений
Бонус: ядра типа трансформер/attention или авторегрессионное декодирование; создание высокопроизводительных GPU-библиотек с нуля; HPC или инженерия производительности с критически низкими задержками; многопроцессорная или многоузловая оптимизация на уровне ядер; уверенное чтение PTX/SASS для проверки эффективности ядер

Условия

Конкурентоспособная заработная плата и возможность получения опционов
Полугодовая бонусная схема
Полностью оплачиваемая техника, соответствующая вашим потребностям
Частная медицинская страховка
Пособие на завтрак и ужин для сотрудников, работающих в офисе

Поскольку мы нанимаем сотрудников по всему миру, льготы варьируются в зависимости от местоположения.

Fuse Energy is an energy startup on a mission to make energy abundant and affordable, fast. We combine first-principles thinking with cutting-edge technology to build a radically better energy system.

We've raised over $200M from top-tier investors including Balderton, Lakestar, Accel, Creandum, Lowercarbon, Ribbit, 20VC, Hummingbird and Collaborative Fund, alongside strategic angels including Nico Rosberg and GPs behind Meta, Revolut, Spotify and Uber.

We're building a fully integrated energy company: developing our own solar, batteries and other generation projects, building our own hardware, improving and developing grid infrastructure, trading power in real time, using AI across the business, and installing distributed energy in homes. By selling directly to consumers we cut out the middleman, lower costs and pass the savings on to our customers.

As data centres become one of the largest and fastest-growing sources of electricity demand, Fuse is expanding into high-performance compute infrastructure at the intersection of energy and AI. We're looking for a CUDA Engineer to write and optimise the low-level GPU code that powers our inference workloads: designing custom CUDA kernels, tuning performance across memory bandwidth and compute bottlenecks, and squeezing maximum throughput out of every GPU in our fleet, working at the level of SMs, warps and memory hierarchies.

Responsibilities

Write and optimise custom CUDA kernels for core transformer inference operations
Profile kernels to identify and eliminate bottlenecks in occupancy, memory throughput and warp divergence
Apply kernel fusion to reduce memory round-trips and launch overhead across inference pipelines
Optimise memory access patterns and manage the memory hierarchy for maximum bandwidth utilisation
Implement quantisation-aware kernels and mixed-precision arithmetic to reduce latency and memory footprint
Build and tune caching mechanisms for efficient autoregressive decoding
Tune kernel launch configurations for target GPU architectures
Benchmark kernels against existing baselines and drive measurable throughput and latency improvements
Write tests for CUDA code to catch performance and correctness regressions
Maintain internal CUDA libraries and contribute to team coding standards and documentation

Requirements

4+ years writing production CUDA code, with a track record of shipping performance-critical kernels
Deep understanding of GPU microarchitecture: warps, occupancy, register pressure and memory hierarchy
Strong CUDA C++ skills, including streams and asynchronous execution
Hands-on experience profiling to diagnose compute-bound vs memory-bound bottlenecks
Experience with kernel fusion, memory coalescing and avoiding warp divergence
Experience writing quantised and mixed-precision kernels
Solid grasp of parallel algorithm design and numerical precision tradeoffs
Bonus: transformer/attention-style kernels or autoregressive decoding; building high-performance GPU libraries from scratch; HPC or latency-critical performance engineering; multi-GPU or multi-node kernel-level optimisation; comfortable reading PTX/SASS to validate kernel efficiency

Benefits

Competitive salary and eligibility for equity
Biannual bonus scheme
Fully expensed tech to match your needs
Private health insurance
Breakfast and dinner allowance for office-based employees

As we hire globally, benefits vary by location.

Подходит ли тебе эта вакансия?

Сравним навыки, грейд, формат работы и зарплату

Ключевые навыки

CUDA
CUDA C++
GPU Microarchitecture
Kernel Fusion
Memory Coalescing
Mixed-Precision Arithmetic
Quantization
Parallel Algorithm Design
Autoregressive Decoding
PTX
SASS

Оценка зарплаты

147 000GBPв год

Чаще всего от 120 000 до 161 000