[AI Infra] 初创公司招聘founding engineer(OS 底层/binary/GPU方向)

我是发考题的版主，老人了，在地里很多年，大家应该不少人认识我。这个帖子不匿名——一来匿不住，二来招 founding engineer 这种事，我觉得也不该匿名。
先聊一下我的观察。这两年在版面上，明显感觉做 infra、做底层的同学有点茫然：AI 把应用层的代码越写越好，连带着很多人怀疑，自己搞了十几年的 OS、编译器、runtime、性能调优，是不是也快被吃掉了。我的判断正好相反，而且我用自己的钱和职业生涯押了这个判断：AI 越能写代码，runtime 的 ground truth 越值钱。 AI coding 本质上是个开环系统——模型能生成代码，但它看不见执行：不知道内存实际怎么用的，不知道为什么 crash，不知道两次运行为什么结果不一样。生成的代码量越大，验证和诊断的缺口就越大。谁来给这个开环系统提供 feedback loop？只能是对执行层有真正理解的系统——和造这些系统的人。这就是为什么我认为在我们公司可以保证底层的这些能力不会被 AI 淘汰，反而会成为 AI 时代最稀缺的东西之一。
背景： 我前两年辞掉了UMass的tenure(之前在 UMass 做教授，做了小二十年 systems research，SOSP/PLDI/OOPSLA 这些会，手里 11 个专利)， 中间在 ByteDance 和 XPeng 带过训练基础设施， 现在全职做自己的公司 Teyon。一句话：GPU 集群的 flight recorder——确定性录制回放引擎，<1% 开销、零代码改动，训练任务挂了原地恢复，并且能自动查出根因。往大了说，我们做的就是给 AI 基础设施(包括 AI coding)提供那个缺失的 runtime feedback loop。Pre-seed 阶段，第一批钱已经进来，demo 能跑，秋天产品落地。
找什么人： founding engineer，一到两个。硬性要求只有一条——对 OS 底层/binary层面有真感情、真功夫，以下方向熟悉其一即可：linker/loader 和 ELF、ptrace/eBPF、syscall interception、memory allocator、CUDA runtime/driver 层、compiler backend、动态插桩。加分项：玩过 record & replay、做过 GPU 训练/推理框架、debug 过别人 debug 不出来的东西。
待遇：founding-level 的股份 + 现金，具体面聊，不在论坛喊数字。能承诺的是：你写的每一行都在核心引擎上，没有 legacy，没有汇报层级，直接和两个做了一辈子 systems 的人一起干。
感兴趣的，可以直接给我投简历：tongping@teyon.ai。如果匹配，我们会reply back。 我 LinkedIn(最近发的东西能让你快速了解我们在做什么)：https://www.linkedin.com/in/tongping/。

哇，楼主从教职走出来呀，不容易哦

匿名用户 发表于 2026-07-28 08:01:03
原来是个招人贴 住楼主公司越做越好
但是如果AI进化速度过快 那结论可能就不同了

在我看来，只要代码还是人提的需求，那么人和AI之间的semantic gap就会一直存在。 也就是说，AI总是不可能完全明白人的意思，或者人有时也不明白自己的需求。现在的趋势是越大的项目AI出错的概率越大，这个是没有办法改变的。

Mark6 发表于 2026-7-28 23:46
请问楼主你们最后的盈利模式是什么？reliability确实很重要，尤其cluster大，10%的提高都是xx million doll ...

这个是个很好的问题，也是VC天天问的问题：

1. 盈利模式：对标 observability 赛道。 CPU 时代企业每年花几百万美金买 Datadog/Dynatrace 监控软件，GPU 时代这条预算线才刚形成，而且单价更高——因为宕机的分母是 GPU-hour。我们卖企业版软件订阅，买单人是管 GPU 预算的 infra VP。定价逻辑很朴素：每月给客户一份报告，列出每次故障实际省下的 GPU-hour（按客户自己的历史 baseline、事先约定的费率算），我们收的是节省额的一个零头。你说的"10% 就是 xx million"正是这个空间——我们不需要拿走 10%，一小部分就是很健康的合同额。

2.  先澄清一个前提：我没说过我们是开源 library。 核心引擎（record-replay、恢复、根因分析）是闭源的企业软件——这也是我们专利和护城河所在。未来可能会把 SDK/接入层这类外围开源出来降低试用门槛,但那是 adoption 手段的选项之一,不是商业模式本体——所以"开源赚不赚钱"这个问题对我们不成立。退一步说,就算走开源路线,Spark→Databricks、Terraform→HashiCorp 也早证明了那条路能走通,只是我们不需要靠它。

3. 我们从头到尾不"管理"任何人的 cluster——这是对部署模式的误解。 产品是部署在客户自己环境里的软件层（库 + daemon + 控制面，on-prem/VPC），数据不出客户边界，和 Datadog agent、self-hosted Sentry 是同一种存在方式。第三方做 reliability/监控软件这个生意本身，已经被验证三十年了，从来不需要接管客户的基础设施。

另外说一句，这三个问题恰好就是我们 founding engineer 每天要一起想的问题——对这类"技术 + 生意"双重难题有兴趣的，欢迎直接来聊。

原来是个招人贴 住楼主公司越做越好
但是如果AI进化速度过快 那结论可能就不同了

tongpingliu 发表于 2026-7-28 10:08
在我看来，只要代码还是人提的需求，那么人和AI之间的semantic gap就会一直存在。 也就是说，AI总是不可能 ...

所以这个是个人观点
目前没有办法证实的 不过这个东西预测也没意义 能预测未来的话 早就财富自由了

同意👍，我个人体验，AI很擅长忽悠水货

赞，对一帮扯淡卖 token的销售，我还是更相信学术，谢谢分享您的看法。

工作还是算了，我这种写业务代码的还是别凑热闹了

赞👍
请问工作地点是

爱吃番茄的小浣熊 发表于 2026-7-28 08:42
赞👍
请问工作地点是

今年下半年remote，后面是湾区（具体位置待定啊）。

可以remote吗？