设计与实现 / FlagLang
把线程与内存映射，变成可组合的语言能力
- 问题
- 算子实现需要协调逻辑索引、线程、寄存器与内存，映射关系难以统一表达和检查。
- 我的工作
- 参与 GPU Kernel DSL 与 Layout 研发，推进布局组合、共享内存表达和降级；以真实算子检验语言接口。
- 结果与边界
- 补充行统计及归约后表达式组合，在 H20 完成限定输入场景的编译与数值验证。这是团队研发中的个人贡献，不等同于全部能力已上游发布。
2027 届 · 秋季校园招聘AI SYSTEMS / ENGINEERING PORTFOLIO
ZIXU WANG / HOYI
王梓旭.
AI 编译器 / GPU Kernel
大模型推理系统
北京邮电大学计算机技术硕士，预计 2027 年毕业。我专注 AI 编译器、GPU 算子与端侧推理，围绕语言设计、硬件映射和运行时实现开展研发。
北京邮电大学 · 2024—2027（预计）C++ / Python · CUDA / CuTe DSL · TVM / JAXUTC+08
四段经历，贯通语言、算子与系统。
先看问题、个人动作和结果；实现细节与证据在每段经历之后。
性能工程 / cuLA
让循环状态留在 GPU 寄存器，减少数据搬运
- 问题
- Lightning Attention 的分块计算需要持续传递状态，流水线与状态管理同时影响性能和正确性。
- 我的工作
- 独立实现 Hopper prefill 流水线，使 FP32 状态跨 chunk 常驻寄存器，并处理变长输入、初始和最终状态及尾块。
- 结果与边界
- PR #111 已合并。H20、BF16、D=128、chunk=64 的 34 组主测试，相对 FLA 几何平均加速 2.89×；这是算子测试结果，不是端到端服务吞吐。
SYSTEMS ENGINEERING / EDGEKV
让 KV Cache 压缩，从算法走进运行时
- 问题
- 压缩能省存储，但重建与数据搬运可能让推理更慢。
- 我的工作
- 推进 BlockSVD 参考、llama.cpp / GGML 集成、后端持久因子池与增量上传，并开发 Hexagon 计算路径。
- 交付与验证
- CPU smoke 验证 56 次容量内更新均只上传新增块；HTP 重建在固定 v79 仿真输入上与独立参考对齐。模型质量、局部内核和完整推理分别验证。
开源交付 / Apache TVM
从真实模型导入失败，追到算子语义边界
- 问题
- 模型能够导出，不代表编译器能够正确导入；动态形状、量化和边界输入容易暴露语义差异。
- 我的工作
- 修复 ONNX、TFLite 等前端的算子映射与语义问题，覆盖标量 QDQ、PRelu、CastLike 和动态 k Trilu 等具体场景，提交上游评审。
- 结果与边界
- 截至 2026-09-14 的核验记录，Apache TVM 已合并 34 个 PR。每条贡献保留原始改动与验证线索；数量是快照，不作为实时统计。
按岗位浏览更多项目
01 / SELECTED WORK2026
与岗位相关的代表工作。
按方向阅读：我做了什么，交付了什么。
查看完整开源贡献入口
02 / OPEN SOURCE记录核验于 2026.09.13
深入阅读：FlagLang 与 TIRx 技术文章
03 / ENGINEERING STORIESCOMPILER → KERNEL → PERFORMANCE
把成果展开来看。
从设计与实现，读到可验证的结果。
我们做出了怎样的 Layout 系统
具名空间、映射组合与多种数学表示，成为编译器可检查、可变换的语义对象。
成果、实现与证据 →01 / FLAGLANG · LAYOUTLAYOUT
逻辑域 → 映射关系 → 硬件位置
设计与实现
我们做出了怎样的 Layout 系统
具名空间、映射组合与多种数学表示，成为编译器可检查、可变换的语义对象。
让 TIRx 跑在 Hopper 上
从 WGMMA / TMA 和布局支持，到 packed GDN 算子；六场景复测相对固定 CuTeDSL 延迟几何平均降低 16.52%。
成果、实现与证据 →02 / TIRx · HOPPER16.52%
H20 · BF16 · D128 · 六场景公开调用
个人 fork · 公开复测
让 TIRx 跑在 Hopper 上
从 WGMMA / TMA 和布局支持，到 packed GDN 算子；六场景复测相对固定 CuTeDSL 延迟几何平均降低 16.52%。
从 DSL 到性能：对比 FlashInfer
八种 attention 规模延迟几何平均降低 10.33%；从源码与调度选择解释这组结果。
成果、实现与证据 →03 / FLAGKERNEL · PERFORMANCE10.33%
H20 · FP16 · D64 · 非因果 · 八种规模
结果与工程取舍
从 DSL 到性能：对比 FlashInfer
八种 attention 规模延迟几何平均降低 10.33%；从源码与调度选择解释这组结果。
04 / EXPERIENCERESEARCH × ENGINEERING
一路向下，深入系统。
05 / BACKGROUNDLEARN · BUILD · CONTRIBUTE
理解原理。
交付实现。
我关注 AI 系统中抽象与硬件之间的距离：一个 Layout 如何映射到线程与内存，一个异步流水线如何保持正确，以及一个模型如何真正运行在手机上。
北京邮电大学 · 计算机技术硕士
2024—2027（预计）· 物联网与多媒体计算实验室
哈尔滨工程大学 · 计算机科学与技术本科
2020—2024 · 90.81 · 31/290
- 2026北邮大模型算力优化大赛 · 系统软件赛道第一名 / 50+ 队伍
- 2023东北三省数学建模联赛一等奖
- 2022美国大学生数学建模竞赛（MCM）M 奖
也为热爱的社群做一些东西北京狂派 +
北京狂派是我在 AI 系统之外的一项开发实践：围绕 Krump 社群，把网站、小程序和公众号内容工具分别做成可维护的项目，让活动信息更容易被找到、整理和分享。
社群网站
完成北京狂派网站开发，将活动、舞者与社群介绍组织成适合手机阅读的页面，支持活动筛选、海报查看与舞者故事展示。
微信小程序
开发活动发现与详情、舞者资料、主办方发布和草稿管理；实现云函数校验、作者权限与公开资料控制，并优化头像加载与缓存。
公众号内容工具
搭建本地内容工作台，支持文稿编辑、阅读预览、图文排版和导出；集成现有发布工具，组织封面、草稿上传与回执核验流程。