高效语言模型与类脑硬件博士研究岗位

项目概览

德累斯顿工业大学招收1名研究助理／博士生，研究高效语言模型及其在SpiNNaker2硬件上的部署。

岗位属于Horizon Europe项目OptimAIse，目标是支持依托欧洲硬件的模块化、可扩展、可互操作的大语言模型部署。

工作语言为英语，拟尽快入职。根据个人资格，薪酬按德国公共部门TV-L E 13等级支付；合同截止到2029年5月31日。

申请截止时间为2026年10月20日，岗位提供继续取得学术资格、通常为博士学位的机会。

项目详情

项目关注人工智能模型开发与部署对美国、中国的模型、供应商和硬件的依赖，以及这种依赖给欧洲人工智能自主性带来的挑战。OptimAIse的完整名称为Optimising Performance and Trust for Integrity-driven Modular genAI Software Engineering，计划提出可扩展的参考架构，将可信度、可靠性、性能与模块化要求纳入生成式人工智能软件工程。

SpiNNaker2由德累斯顿工业大学开发，商业化由SpiNNcloud负责。其大规模并行架构结合局部密集计算与全局稀疏、低延迟通信，可支持稀疏计算与事件驱动计算。博士研究将围绕这种架构开发和适配大语言模型，使用已有的软件栈实现模型，并借助MLIR等机器学习编译器优化部署效率。

具体研究包括开发和训练面向SpiNNaker2的稀疏生成式人工智能模型，以及减少通信开销的模型。学生将研究Mixture-of-Experts等已有方法，跟进高效语言模型的最新进展，并在硬件上尝试新方案。模型及其网络层需要落实到实际硬件部署，不能只停留在模型训练或离线计算阶段。研究还将总结下一代人工智能硬件的需求与建议，为SpiNNaker3等后续架构设计提供依据。

工作任务包括开展语言模型与硬件部署研究、实现模型或网络层、在高水平会议和期刊发表成果，并与OptimAIse欧洲合作团队共同将生成式人工智能模型集成到用例示范中。教席提供跨领域团队合作环境，可使用类脑超级计算机SpiNNcloud，以及学校用于机器学习训练的高性能计算环境。具体实验安排和使用权限需要入组后进一步确定。

岗位支持灵活工时，也原则上适合希望兼职工作的申请者，兼职意愿须在申请中注明。按每周工作5天计算，每年有30天休假；学校提供继续教育、健康与体育项目、优惠通勤票（包括Deutschlandticket）以及VBL公共部门补充养老金安排。学校鼓励女性申请，欢迎残障申请者；资格相同情况下，符合德国社会法典第九卷相应条件的残障人士享有招聘优先权。

岗位受德国科研固定期限合同法WissZeitVG约束。学校介绍强调多样性与家庭、职业之间的平衡，也是DRESDEN-concept联盟的创始成员之一。申请者需要将自身成果与岗位任务联系起来，提交详细申请；合同提供进一步学术资格机会，但博士录取程序与雇佣程序之间的衔接仍需确认。

申请要点

• 学历：计算机科学、电气工程、机器学习或相关专业的硕士或同等大学学位，概览也列出Diplom。

• 必备能力：理解大语言模型及其在人工智能硬件上进行推理的处理方式，具备很好的C++、Python等编程能力，良好的英语口语与写作能力，能够独立研究并参与团队合作。

• 加分经验：LLVM／MLIR编译器框架、嵌入式软件、计算机与加速器架构、并行与分布式计算中的一项或多项实践经验。

• 申请材料：求职信、简历和学位证书，注明编号HPSN_OptimAIse_2026；建议合并为一个PDF，通过https://securemail.tu-dresden.de发送至christian.mayr@tu-dresden.de。

• 截止规则：2026年10月20日，以学校中央邮件服务的到件日期或学校邮件服务器时间戳为准。也可邮寄至Prof. Christian Mayr，Helmholtzstr. 10, 01069 Dresden, Germany。

• 仅提交材料复印件，材料不予退还；参加面试产生的费用不报销。岗位介绍：https://tu-dresden.de/vacancy/13012。

需要进一步确认

概览写“尽快开始，30个月”，正文则将合同终止日期定为2029年5月31日，实际入职日期与合同期限需向团队确认。岗位没有给出工时比例、对应税前月薪或博士注册细则，也未单独列明国籍限制。应确认聘用合同能否覆盖预计博士研究周期，以及具体导师和研究课题的分配方式。

德累斯顿高效语言模型与硬件部署博士项目

申请判断

适合已有系统实现基础、希望研究大模型与硬件协同优化的申请者。 课题要把稀疏、减少通信开销的生成式模型落实到SpiNNaker2硬件，并评估推理效率。只有提示词或应用层大模型经验，尚不足以对应这些任务。

• 地点与期限： 德累斯顿工业大学HPSN教席；尽快入职，合同至 2029年5月31日 。招生介绍另称约 30个月 ，实际开始日期及博士完成安排需确认。
• 资助： 按个人资格执行 E13 TV-L ；工时比例、经验档位与税后收入尚需确认。
• 申请： 2026年10月20日截止 ，编号 HPSN_OptimAIse_2026 。原报告评估日为2026年10月11日，准备窗口已经很短。

对中国申请者，正式岗位未列国籍限制或MSCA流动性规则，仍须满足学历等效、德国雇佣／居留及学院博士录取要求。现在可先对照必备能力准备材料，同时确认入职时间与博士期限。正式岗位13012与申请要求

研究要解决什么问题

SpiNNaker2采用大规模并行架构，结合局部密集计算与全局稀疏、低延迟通信。研究的问题是：怎样调整生成式模型及其部署方式，利用这种硬件的特点，同时减少计算和通信开销？岗位属于Horizon Europe项目OptimAIse，连接模型、编译器与硬件，研究范围也涉及生成式人工智能软件工程。

主要工作可按已有任务理解为：

• 开发和训练适合SpiNNaker2的稀疏模型、减少通信开销的模型，研究Mixture-of-Experts（MoE）等方法。
• 在已有软件栈中实现模型或网络层，使用MLIR等编译器工具优化部署，并处理网络层到众核硬件的映射。
• 比较推理延迟与能耗，建立基准测试；与欧洲伙伴将模型集成到用例示范中，提出下一代硬件SpiNNaker3的设计建议。

成果可能包括编译器pass、运行时映射、量化／稀疏技术、基准结果、架构建议及论文。具体任务分配和软件栈可用程度仍需面试确认。

主要研究难度在于从平台已有负载走向大语言模型。 团队已有较强的类脑／事件驱动硬件与脉冲神经网络积累，公开的大模型部署证据相对少。申请者需要接受工程路线失败的可能，并能用严谨的基准测试判断结果。OptimAIse项目目标

学校、学科与培养

德累斯顿工业大学为这一主题提供较强的技术大学环境。官方排名新闻称，其QS世界大学排名2027升至第185名，QS 2026工程与技术学科排名第94名。学校也于2026年继续保持德国卓越战略下的卓越大学地位，可支持对整体研究环境的判断。 TU Dresden QS ranking news；University of Excellence confirmation。

当地产业环境与课题高度相关。德累斯顿位于Silicon Saxony产业集群，该组织称其为欧洲最大的微电子集群及德国最大的ICT集群之一。对于欧洲人工智能硬件和节能推理博士，这种硬件、半导体及应用人工智能生态，比泛化的大学排名更直接相关。 Silicon Saxony。

博士身份仍需正式办理。电气与计算机工程学院说明，一般需达到相当于德国硕士、成绩良好至很好的资格，并有学院教授同意指导，流程通过Promovendus办理。岗位是提供进一步学术资格机会的雇佣路径，因此博士录取、指导协议、论文语言及完成计划应单独确认。 Faculty doctorate information。

哪些背景更匹配

正式必备条件。 计算机科学、电气工程、机器学习或相关专业的硕士／同等大学学位，岗位概览也列Diplom。需要理解大语言模型及其在人工智能硬件上的推理，具备很好的C++、Python等编程能力，良好的英语口语与写作能力，并能独立研究、参与团队合作。

正式列出的加分经验。 LLVM／MLIR、嵌入式软件、计算机／加速器架构、并行与分布式计算中的一项或多项实践经验。岗位没有要求每名申请者同时精通全部方向。

材料准备建议。 用毕业论文、系统项目或精简代码库，说明自己实现过什么、如何评估性能、遇到过哪些硬件或软件约束。CUDA／加速器、嵌入式C／C++、量化、稀疏、MoE及分布式训练／推理经历，可作为与课题关联的证据；这些建议不增加官方资格条件。只在常规GPU环境训练大模型的经历，应具体说明能如何迁移到本岗位的模型部署任务。

导师与研究环境

招聘联系人及潜在导师为Prof. Dr.-Ing. habil. Christian Georg Mayr，自2015年领导高度并行VLSI系统与神经微电子教席（HPSN）。研究涉及生物启发电路与人工智能、脑机接口、混合信号VLSI及类脑系统；教席技术涉及28纳米／22纳米结构，并延续Human Brain Project相关工作。团队参与SpiNNaker2开发，与2021年成立的衍生企业SpiNNcloud Systems相联系。Christian Mayr简介

近期论文有助于判断入组后的方法训练：

• 2026年SpiNNaker2芯片论文： IEEE Open Journal／arXiv文章“The SpiNNaker2 chip: a many-core platform for flexible and scalable brain-inspired computing”有Mayr参与，给出深度网络及脉冲任务的性能、效率测量。
• 2024年系统论文及2025年部署研究： 前者介绍大规模事件驱动与异步机器学习系统；后者分别研究硬件感知脉冲Q网络微调、使用类脑中间表示部署量化脉冲神经网络进行DVS手势识别。微调论文报告相对GPU基线能耗下降。这些工作提供硬件部署和评估基础。
• 2026年分子筛选论文： Communications Chemistry工作在超大规模分子筛选用例中，相较嵌入式GPU基线取得更高吞吐和更低能耗。这是应用负载证据，不能直接等同于大语言模型已经成熟部署。

岗位可使用SpiNNcloud及学校机器学习训练的高性能计算环境。大学新闻称，系统有 35,000枚SpiNNaker2芯片、超过500万个处理器核心 ，属于ScaDS.AI Dresden／Leipzig及德国国家高性能计算体系。具体使用权限、已有编译器支持与可部署模型范围，影响课题能从哪里开始。SpiNNcloud基础设施

合同、收入与生活安排

正式合同尽快开始，固定至2029年5月31日，按个人资格执行E13 TV-L。公开 TV-L 2026全职税前月薪参考为€4,759.37至€6,764.69 ，随经验档位变化；这个范围不能代替岗位的实际工时、档位或到手收入。需确认年度特别支付、正式博士注册、指导协议及论文语言。TV-L薪酬参考表

德累斯顿成本低于柏林、慕尼黑，但住房供应仍紧张。学生服务机构2026年10月报告，约3,000份申请竞争1,555个新开放宿舍名额；宿舍平均租金€311／月，共享公寓单人房€173至€350，单人公寓€300至€420。学校某国际学生项目指南估计，单身学生整体预算约€900至€1,200／月。宿舍价格与供应应结合实际入住资格核对。

E13雇佣通常提供比单纯生活津贴更强的财务基础。德国外交部列冻结账户为资金证明方式之一，雇佣研究人员能否使用合同收入，取决于个人身份及领事／居留机构解释。

职业方向与补充背景

可迁移的能力主要是人工智能系统实现、编译优化、硬件感知性能评估与能效分析，对应人工智能系统、编译器、半导体、高性能计算、边缘人工智能及应用研究岗位。对一般数据科学岗位的帮助可能较间接。

原报告引用的宏观背景包括：Bitkom 2026报告称德国缺约79,000名IT专业人员；欧盟2026年技术自主方案连接半导体、人工智能、云与开源，Chips Act 2.0强调微电子人才，并预计到2030年政策驱动投资超过1,000亿欧元。OptimAIse为Horizon RIA，周期2026年6月1日至2029年5月31日、预算约551万欧元，目标涉及模块化、可互操作部署及能源、可解释性、鲁棒性、公平性和可追溯性。这些背景解释项目动机，申请信应着重讲自己的研究和实现经历。

怎样安排申请与沟通

申请前

先对照必备条件，准备求职信、简历和学位证书，注明HPSN_OptimAIse_2026。已有岗位资料建议合并成一个PDF，通过学校安全邮件服务发送至christian.mayr@tu-dresden.de；也可邮寄至Prof. Christian Mayr，Helmholtzstr. 10，01069 Dresden，Germany。2026年10月20日截止，以中央邮件服务到件日期或学校邮件服务器时间戳为准。材料仅交复印件，不予退还，面试费用不报销。

同时说明可入职时间，并询问固定合同能否衔接预计博士研究周期；无需等所有面试问题问清后才开始准备材料。

面试时

围绕已有软件栈、MLIR路径、模型网络层及基准设施提问：第一年现实可支持哪些模型大小、家族或稀疏／MoE基线？自己主要负责模型、编译器、运行时还是硬件反馈？进一步了解合作伙伴、发表方向，以及教学、硬件调试启动和项目报告的比重。工作语言为英语，德语在行政及团队合作中需要达到什么程度，也可在此时询问。

接受录取前

书面确认是否100%全职E13、经验档位、预计税前／税后收入，以及实际开始日期。明确谁指导博士、如何注册、合同是否预计覆盖论文完成；若不足，团队如何安排延长或完成。最后核对签证／居留资金证明与学校可提供的文件。

证据与来源

岗位、导师论文、培养、薪酬与生活资料如下，可按需查阅。

• 正式岗位13012与申请要求
• OptimAIse项目资料
• QS排名背景
• 卓越大学背景
• Silicon Saxony产业集群
• 学院博士录取流程
• Christian Mayr简介
• HPSN research
• HPSN spin-offs
• 2026年SpiNNaker2芯片论文
• 2024年SpiNNaker2系统论文
• SNN fine-tuning paper
• 2025年DVS手势识别部署
• TU Dresden research portal
• SpiNNcloud基础设施
• technology sovereignty package
• Chips Act 2.0
• Chips Act fact page
• IT职业背景
• SpiNNcloud商业化介绍
• GEW TV-L table
• 德累斯顿住房资料
• 德累斯顿生活预算
• 德国资金证明背景
• HPSN教席
• SpiNNcloud官网
• 大学博士培养
• GenAI4EU背景