[北京招聘]Deep Kernel 可信 AI
## 1. 公司介绍
Deep Kernel 是一家清华系的可信 AI 公司，首席科学家是清华教授，创始团队来自 Google 、华为、博通、字节等大厂。团队定义 AGI 时代的 Trusted AI 范式：实现 AI 行动可信，确保 Agent 行为可验证、可授权、可追责；同时保障 AI 数据可信，确保大模型使用过程中数据全程可控不泄漏。团队在可信 AI 领域实现了包含理论、算法、协议、系统、芯片和网络的体系化创新，构建了多个形态的可信 AI 产品，已完成数百万美元种子轮融资，正寻求新一轮融资。
## 2. 核心亮点
- 清华大学计算机系核心团队，首席科学家在系统安全和可信计算领域有深厚学术积累
- 技术壁垒高：机密计算 / 密态底座 + 五层信任架构，贯通密码学、系统安全、AI 与芯片，非纯应用层产品
- 赛道刚需强：企业把核心数据接入大模型的最大障碍是数据安全与合规，机密计算 / 密态计算让「数据可用不可见」，是金融、医疗、政务、央国企 AI 落地的必经关口
- 团队规模小（<20 人），早期加入有极大成长空间和 ownership
## 3. 工作地点
北京市海淀区五道口
## 4. 投递方式
请投递简历至 resume@deepkernel-ai.com
## 5. 注意事项
下列岗位均需要在北京办公，无远程岗位，对教育背景及过往工作经历相关性较有期待。
## 6. 热招职位：
### *.GPU-TEE / 机密计算工程师（高级）
**岗位定位**
负责 DeepKernel 数据可信执行底座的构建——在 GPU 机密计算环境中安全运行大模型推理与训练，打通远程证明与密钥门控，是「上下文不解密即可被 AI 使用」的工程核心。
**核心职责**
- 搭建与运维机密计算底座：基于开源机密计算栈（如 dstack 类）在自有/云上机密算力上部署 CVM 生命周期、KMS 、Gateway
- 打通 GPU 机密计算：NVIDIA Confidential Computing （ H100/H200 CC 模式）、CPU 侧 Intel TDX / AMD SEV-SNP 、Confidential VM 直通与多卡机密 serving
- 实现远程证明（ attestation ）与 RA-TLS：measured boot 、vTPM 、quote 获取与校验、密钥凭证门控（仅「代码度量匹配 + 真飞地」时释放密钥进飞地）
- 对接机密推理 / 训练负载：让专有小模型 / 大模型在密态环境中跑通，保证性能与稳定性
- 参与国产 / 信创 / 国密适配：国密 HSM 做根、海光 CSV / 鲲鹏 / 昇腾 attestation
- 负责性能优化、稳定性保障与安全性指标
**任职要求**
- 3-8 年系统 / 底层开发经验，精通 Rust 和/或 C++/Go
- 熟悉 Linux 系统底层：内核、虚拟化（ KVM/QEMU ）、驱动、系统调用
- 熟悉 TEE / 机密计算方向之一：Intel TDX 、AMD SEV-SNP 、NVIDIA CC 、SGX 、Confidential VM
- 理解远程证明、度量启动、密钥管理、证书 / TLS 体系
- 有高可靠系统组件开发经验，关注性能与安全
**加分项**
- 有云厂商机密计算 / 可信计算团队、TEE 芯片安全、机密计算 infra 经验
- 熟悉 CUDA / GPU 驱动 / 内核
- 有密码学基础，能对接密态计算（ HE / MPC ）
- 有开源机密计算项目（ dstack 、Occlum 、Gramine 等）贡献或部署经验
### *.全栈工程师（ trust router 平台）
**岗位定位**
负责 trust router 平台层的全栈研发——从管理后台到后端服务，把机密计算与路由能力包装成可用的产品控制台（用户、密钥、额度、计费、审计、监控）。
**核心职责**
- 建设平台后端：用户 / API Key 管理、模型权限、额度控制、调用统计、费用核算、日志审计
- 开发管理 / 控制台前端（ Vue / React / TypeScript ），完成页面、功能与接口联调
- 后端服务与数据层：Go / Python 服务、PostgreSQL / Redis 、接口设计
- 部署与运维：Docker / Docker Compose / Nginx ，建立监控与告警
- 配合网关 / TLS 工程师与机密计算底座团队做端到端联调
- 沉淀部署文档、接口说明、运维手册
**任职要求**
- 3-5 年全栈 / 后端开发经验，熟悉 Go 和/或 Python
- 熟悉 Vue / React / TypeScript ，能独立完成前端页面与接口联调
- 熟悉 PostgreSQL/MySQL 、Redis 、Docker ，能独立部署与排障
- 理解 API 网关、反向代理、鉴权、计费、日志监控等基础
- 了解大模型 API 调用（ OpenAI 格式、streaming 、token 计量）
**加分项**
- 有 LLM 网关 / 多租户 LLM 平台二次开发经验（ New API 、One API 、LiteLLM 、Dify 等）
- 熟悉 OAuth2 / OIDC 、企业微信 / 飞书 / 钉钉登录
- 熟悉计费、额度、Token 统计、成本核算等业务逻辑
- 熟悉 Kubernetes 、CI/CD 、Prometheus / Grafana
### *：网关 / TLS 工程师（ trust router 核心）
**岗位定位**
负责 trust router 的核心——高性能、可验证的模型路由网关，以及把远程证明塞进传输链路（ RA-TLS ）的可信通信层，是「按调用计量、永不持有数据」的中立可信层的工程核心。
**核心职责**
- 设计与实现 trust router 核心：OpenAI 兼容 API 网关、模型路由、渠道权重、失败重试、限流、并发与账号池
- 深耕 TLS / mTLS：握手、证书链、RA-TLS （把远程证明绑进 TLS ）、会话密钥管理与销毁
- 打通与机密计算底座对接：发数据前验证节点度量，度量不匹配即拒绝转发
- 高性能与稳定性：代理转发、连接管理、延迟与吞吐优化
- 参与可信交互协议（ A2A / trust receipt ）的设计与实现
**任职要求**
- 3-8 年后端 / 网络 / 中间件开发经验，熟悉 Go 和/或 Rust/C++
- 深入理解 TLS / mTLS 、证书体系、反向代理、API 网关、负载均衡、限流熔断
- 熟悉高性能网络编程与代理 / 网关实现
- 熟悉大模型 API 调用（ OpenAI 格式、streaming 、token 计量）
- 较强的问题定位能力和良好的文档习惯
**加分项**
- 有 API 网关 / service mesh （ Envoy/mTLS ）/ 中间件 / 云网络开发经验
- 熟悉 gRPC 、协议设计、attestation / RA-TLS
- 有密码学基础或可信计算背景
- 有 LLM 网关二次开发经验（ New API 、One API 、LiteLLM 等）
---
原文链接：[点击查看](https://www.v2ex.com/t/1227309)
Deep Kernel 是一家清华系的可信 AI 公司，首席科学家是清华教授，创始团队来自 Google 、华为、博通、字节等大厂。团队定义 AGI 时代的 Trusted AI 范式：实现 AI 行动可信，确保 Agent 行为可验证、可授权、可追责；同时保障 AI 数据可信，确保大模型使用过程中数据全程可控不泄漏。团队在可信 AI 领域实现了包含理论、算法、协议、系统、芯片和网络的体系化创新，构建了多个形态的可信 AI 产品，已完成数百万美元种子轮融资，正寻求新一轮融资。
## 2. 核心亮点
- 清华大学计算机系核心团队，首席科学家在系统安全和可信计算领域有深厚学术积累
- 技术壁垒高：机密计算 / 密态底座 + 五层信任架构，贯通密码学、系统安全、AI 与芯片，非纯应用层产品
- 赛道刚需强：企业把核心数据接入大模型的最大障碍是数据安全与合规，机密计算 / 密态计算让「数据可用不可见」，是金融、医疗、政务、央国企 AI 落地的必经关口
- 团队规模小（<20 人），早期加入有极大成长空间和 ownership
## 3. 工作地点
北京市海淀区五道口
## 4. 投递方式
请投递简历至 resume@deepkernel-ai.com
## 5. 注意事项
下列岗位均需要在北京办公，无远程岗位，对教育背景及过往工作经历相关性较有期待。
## 6. 热招职位：
### *.GPU-TEE / 机密计算工程师（高级）
**岗位定位**
负责 DeepKernel 数据可信执行底座的构建——在 GPU 机密计算环境中安全运行大模型推理与训练，打通远程证明与密钥门控，是「上下文不解密即可被 AI 使用」的工程核心。
**核心职责**
- 搭建与运维机密计算底座：基于开源机密计算栈（如 dstack 类）在自有/云上机密算力上部署 CVM 生命周期、KMS 、Gateway
- 打通 GPU 机密计算：NVIDIA Confidential Computing （ H100/H200 CC 模式）、CPU 侧 Intel TDX / AMD SEV-SNP 、Confidential VM 直通与多卡机密 serving
- 实现远程证明（ attestation ）与 RA-TLS：measured boot 、vTPM 、quote 获取与校验、密钥凭证门控（仅「代码度量匹配 + 真飞地」时释放密钥进飞地）
- 对接机密推理 / 训练负载：让专有小模型 / 大模型在密态环境中跑通，保证性能与稳定性
- 参与国产 / 信创 / 国密适配：国密 HSM 做根、海光 CSV / 鲲鹏 / 昇腾 attestation
- 负责性能优化、稳定性保障与安全性指标
**任职要求**
- 3-8 年系统 / 底层开发经验，精通 Rust 和/或 C++/Go
- 熟悉 Linux 系统底层：内核、虚拟化（ KVM/QEMU ）、驱动、系统调用
- 熟悉 TEE / 机密计算方向之一：Intel TDX 、AMD SEV-SNP 、NVIDIA CC 、SGX 、Confidential VM
- 理解远程证明、度量启动、密钥管理、证书 / TLS 体系
- 有高可靠系统组件开发经验，关注性能与安全
**加分项**
- 有云厂商机密计算 / 可信计算团队、TEE 芯片安全、机密计算 infra 经验
- 熟悉 CUDA / GPU 驱动 / 内核
- 有密码学基础，能对接密态计算（ HE / MPC ）
- 有开源机密计算项目（ dstack 、Occlum 、Gramine 等）贡献或部署经验
### *.全栈工程师（ trust router 平台）
**岗位定位**
负责 trust router 平台层的全栈研发——从管理后台到后端服务，把机密计算与路由能力包装成可用的产品控制台（用户、密钥、额度、计费、审计、监控）。
**核心职责**
- 建设平台后端：用户 / API Key 管理、模型权限、额度控制、调用统计、费用核算、日志审计
- 开发管理 / 控制台前端（ Vue / React / TypeScript ），完成页面、功能与接口联调
- 后端服务与数据层：Go / Python 服务、PostgreSQL / Redis 、接口设计
- 部署与运维：Docker / Docker Compose / Nginx ，建立监控与告警
- 配合网关 / TLS 工程师与机密计算底座团队做端到端联调
- 沉淀部署文档、接口说明、运维手册
**任职要求**
- 3-5 年全栈 / 后端开发经验，熟悉 Go 和/或 Python
- 熟悉 Vue / React / TypeScript ，能独立完成前端页面与接口联调
- 熟悉 PostgreSQL/MySQL 、Redis 、Docker ，能独立部署与排障
- 理解 API 网关、反向代理、鉴权、计费、日志监控等基础
- 了解大模型 API 调用（ OpenAI 格式、streaming 、token 计量）
**加分项**
- 有 LLM 网关 / 多租户 LLM 平台二次开发经验（ New API 、One API 、LiteLLM 、Dify 等）
- 熟悉 OAuth2 / OIDC 、企业微信 / 飞书 / 钉钉登录
- 熟悉计费、额度、Token 统计、成本核算等业务逻辑
- 熟悉 Kubernetes 、CI/CD 、Prometheus / Grafana
### *：网关 / TLS 工程师（ trust router 核心）
**岗位定位**
负责 trust router 的核心——高性能、可验证的模型路由网关，以及把远程证明塞进传输链路（ RA-TLS ）的可信通信层，是「按调用计量、永不持有数据」的中立可信层的工程核心。
**核心职责**
- 设计与实现 trust router 核心：OpenAI 兼容 API 网关、模型路由、渠道权重、失败重试、限流、并发与账号池
- 深耕 TLS / mTLS：握手、证书链、RA-TLS （把远程证明绑进 TLS ）、会话密钥管理与销毁
- 打通与机密计算底座对接：发数据前验证节点度量，度量不匹配即拒绝转发
- 高性能与稳定性：代理转发、连接管理、延迟与吞吐优化
- 参与可信交互协议（ A2A / trust receipt ）的设计与实现
**任职要求**
- 3-8 年后端 / 网络 / 中间件开发经验，熟悉 Go 和/或 Rust/C++
- 深入理解 TLS / mTLS 、证书体系、反向代理、API 网关、负载均衡、限流熔断
- 熟悉高性能网络编程与代理 / 网关实现
- 熟悉大模型 API 调用（ OpenAI 格式、streaming 、token 计量）
- 较强的问题定位能力和良好的文档习惯
**加分项**
- 有 API 网关 / service mesh （ Envoy/mTLS ）/ 中间件 / 云网络开发经验
- 熟悉 gRPC 、协议设计、attestation / RA-TLS
- 有密码学基础或可信计算背景
- 有 LLM 网关二次开发经验（ New API 、One API 、LiteLLM 等）
---
原文链接：[点击查看](https://www.v2ex.com/t/1227309)
评论
暂无评论。