AI Inference Software Engineer

Job Responsibilities

• 기술적 난제를 구조화하여 해결하고, 엔지니어의 페인 포인트를 읽는 기술(Technical Empathy)로 NPU 대중화를 앞당깁니다.
• AI 추론 생태계 통합: vLLM, llama.cpp, Ultralytics 등 글로벌 메이저 프레임워크와 모빌린트 NPU 런타임을 결합하여 고성능·고효율 추론 엔진 구현
• 엔지니어링 기반 기술 환류 (Feedback Flywheel): 현장의 기술 이슈를 분석하여 재현 가능한 코드로 구조화하고, 이를 SDK/Tool/Model Zoo의 본질적 개선으로 연결하는 제품 중심 피드백 루프 주도
• 배포 자동화 인프라 구축: 300개 이상의 모델을 자동 검증하는 'Vulture' 시스템과 CI/CD 파이프라인을 고도화하여 대규모 모델 자산의 배포 품질 관리
• NPU 최적화 및 프로파일링: CV/LLM/VLM 등 다양한 워크로드에 대해 NPU SDK 기반의 경량화(Quantization) 및 컴파일 최적화 수행
• 개발자 경험(DX) 혁신: 외부 엔지니어가 즉시 활용 가능한 수준의 기술 문서, 샘플 코드 및 튜토리얼을 설계하여 모빌린트 SDK의 진입 장벽 제거

Requirements

• 학력 및 전공: 컴퓨터공학(CS), 전기전자(EE), 인공지능(AI) 등 관련 전공 학사 이상 또는 그에 준하는 실무 경험과 탄탄한 CS 기초 지식 을 보유하신 분
• 핵심 역량: Python/C++ 중 하나 이상에 능숙하며, 딥러닝 모델의 추론/배포/최적화 과정에 대한 깊은 이해 (3년 이상 혹은 그에 준하는 실력)
• 논리적 문제 해결 능력: 하드웨어와 소프트웨어의 접점에서 발생하는 복잡한 이슈의 근본 원인(Root Cause)을 추적하고, 이를 시스템적으로 해결할 수 있는 분
• 시스템 디버깅: Linux 환경에서 복잡한 소프트웨어 스택의 병목을 찾아내고 성능을 프로파일링할 수 있는 역량
• 기술적 협업 문화: 코드 리뷰를 즐기며, 기술적 성과와 지식을 문서화하여 동료와 공유하는 문화를 선호하시는 분
• AI 모델에 대한 이해: LLM/VLM/VLA 등의 모델에 대한 깊고 폭넓은 이해와 경험

Preferred Qualifications

• AI Agent 활용 역량: Claude Code, Gemini CLI, OpenAI Codex, Cursor 등 AI Agent 도구를 활용하여 개발 프로세스를 자동화하거나 생산성을 극대화해 본 경험
• Technical Empathy (기술적 공감): 사용자의 입장에서 기술적 불편함을 이해하고, 이를 '쓰기 쉬운 인터페이스'나 '명확한 기술 콘텐츠'로 치환할 수 있는 역량
• 최신 추론 스택: vLLM, Triton Inference Server, TensorRT 등 고성능 서빙 엔진 최적화 및 관련 오픈소스 컨트리뷰션 경험
• MLOps & 자동화: GitHub Actions, Ray, W&B 등을 활용한 대규모 실험 관리 및 테스트 자동화 구축 경험
• 성능 최적화 경험: 온디바이스/엣지 환경에서의 모델 서빙 최적화 또는 저수준(Low-level) 성능 튜닝 경험

Hiring Process

• 서류전형 > 실무면접(1차) > 최종면접(2차) > 처우협의 > 최종 합격
• 제출 서류 : 이력서 및 자기소개서(필수), 성적증명서(필수), 포트폴리오(선택)
• 서류 전형 합격자에 한하여 개별 안내드리며, 채용절차는 사전 안내 후 변경될 수 있습니다.

Additional Information

• 신입 및 경력 입사자는 입사 후 3개월의 수습 기간이 적용됩니다.
• 장애인 및 국자유공자 등 취업 보호 대상자는 관련 법령에 따라 우대합니다.
• 지원서 및 제출 서류에 허위 사실이 확인될 경우, 채용이 취소될 수 있습니다.