1、感知领域存在CPU资源减半,软件性能倍增的压力,期望软件性能得到期望的优化目标。通过分离变化实现算法可替代性,通过关键业务的算法优化和算法替换实现性能提升;实践C++高性能的建模技术,实践从模型到高性能C++代码落地,通过降低算法复杂度和计算量,提高计算并发度,实现动态感知业务均值和峰值性能提升一倍。
2、业务实现混合异步控制、并发调度等技术复杂度,并发锁和时序控制成本高昂;业务实现以过程式为主导,缺失建模设计和业务封装和抽象,导致系统实现充斥大量技术实现细节;核心业务逻辑和具体算法实现相互耦合,导致算法替代、算法调优和算法演进的成本高。在架构设计层面上,实现核心业务与运行时调度分离,提炼业务编排层集中控制业务流程;通过领域建模和算法建模,降低业务和算法的实现复杂度。在架构落地层面上,基于领域对象和场景的内聚性,形成领域模型的上下文拆分;基于横向分层和纵向上下文,推演业务的逻辑分层架构;基于逻辑架构推演物理架构,基于逻辑依赖推演构建依赖, 终实现“设计-实现”的一致性。
3、针对自动驾驶业务的路况场景多,上车测试成本高,且整个自动驾驶的仿真系统反馈慢、肉眼跟踪每帧状态、问题定位难等问题,分别在静态感知业务和动态感知业务分别设计了面向场景的组件测试框架,能够有效覆盖各种复杂的路况,且能实现每帧自动断言,用例构造成本低廉,反馈周期大幅缩短,极大地降低了感知业务代码调测和问题定位能力,降低了对昂贵的路测的依赖性,大幅改进研发效率。
4、当前MDC软件平台架构以“烟囱式组件”为主要特征,以适应于大规模软件系统的分工协作和并行开发;但是面对多套硬件、多车型和多版本(Release/Develop/Equip)等多个变化时,因设计和实现不正交导致代码变更范围大、车型版本验证成本高等问题。实现基础平台与车企解决方案解耦,业务组件与硬件产品分离;新增车型或扩展硬件平台时,实现了代码修改的局部化和集中化;聚焦业务建模与配置建模,实现组件级架构模式的标准化。
5、当前配置架构缺失统一的配置建模、及其有效的配置工具链的自动化能力,导致配置车型的复杂度非常高。顾问协助业务专家设计和实现端到端配置架构和配置建模,通过端到端整车配置模型降低配置复杂度,通过配置工具链实现配置解析代码自动生成,总体上实现了配置解耦的架构目标。
6、当前项目构建所有车型的版本,然后在打包时按车型进行裁剪;代码修改后车型版本验证的范围不确定,导致大量的车型版本回归测试。顾问协助工程专家实现基础平台与车企/车型交付耦合,确定车型版本包的数量和质量;通过“统一/标准”框架和方法,精细化管理组件间的依赖关系,提高业务团队工程和质量的平均水平线;通过架构优化和隔离性设计,提高车企解决方案的多车型共版本发布能力。

•自研AI NPU芯片中的深度学习框架,支撑高效的大规模模型训练和推理的AI计算平台,50W+规模C++代码,随着架构演进,出现 1) 软件架构腐化,不易支持开源后的生态合作; 2) 和竞争对手相比在某些AI网络拓扑下性能差距较大; 3) 工程复杂和开发效率低,软件自身的构建和测试效率低下;4) 切换Harmony系统成本高,工作量多大。
• 带领团队通过演进式方法和领域建模方法,实现推理运行时计算图引擎和模型管家的系统重构,有效消除了模型管家多套代码逻辑的归一化,代码复杂度得到有效控制。同时在架构优化过程中,改善系统性能和资源优化,NDK二进制空间减少20%;运行时实现资源安全和零拷贝技术,系统运行时性能显著提升。
• 系统面对多种操作系统的部署,支持AOSP原生ROM侧构建、Andorid NDK构建、支持安全域的定制构建和裁剪等工程问题,设计和实现了统一的构建框架,基于抽象的和统一的构建系统,实现多套具体的构建系统自动代码生成,支撑业务软件实现Android构建解耦和切换Harmony系统的平滑演进。
• 系统面对不同部署场景发布多套行业解决方案,导致系统中充斥了各种复杂的预编译宏,导致产品研发过程中经常出现莫名的内存越界错误。梳理产品的全量特性树,通过构建端到端特性到组件的全量建模和映射,实现特性的灵活裁剪和独立发布能力, 终实现通过建模技术解决了散弹式的预编译宏的架构痛点。同时为了验证各种特性组合的功能完备性,设计了一套安全的测试沙盒技术,在测试沙盒内实现特性宏的隔离测试和独立打桩,从而支持产品实现对各种特性和功能组合的测试覆盖,确保产品的质量安全。
• 针对开源部分软件,设计并开发了易于生态协作的构建发布工程和支持采用内部图DSL的开发者测试框架。搭建了针对开发者的性能测试框架,提高了系统的性能优化工程效率,完成核心调度引擎代码的性能优化。

主要负责AI技术栈、异构计算加速和AI算法等领域的研发工作,分别在系统架构、产品研发和项目管理等相关岗位从事工作。
• 作为AI计算平台首席架构师和项目负责人,突破从零到一自研AI芯片、AI训练和推理框架架构设计和产品落地,实现大规模网络在CPU/GPU集群的并行训练,推动公司核心产品AI智能化改造和算法场景应用,赋能公司核心产品AI推理运行时的性能优化和业务智能化提升等工作。
• 作为项目负责人,开展AI计算引擎的重构工作,完成50w+规模C++代码的全量重构和自动化测试,改造后的系统代码规模缩减45%,实现了在复杂C++系统软件上实践领域建模和DCI架构的软件工程实践,有效地控制了业务软件的场景交叠、特性多、产品定制等系统问题。
• 主导设计和实现云端AI推理框架Adlik,并于2019成为Linux AI基金会(LF AI)下第六个社区级项目,标志着国内在Linux基金会的首个开源社区正式孵化。https://github.com/Adlik/Adlik

主要从事LTE 4G移动通信系统、NR 5G的研发工作。主要在RRC层三协议栈、MAC层二调度器、BBU基带系统、RRU射频系统等领域从事研发工作,分别在软件开发、产品架构和项目管理等相关岗位从事研发工作。
• 针对基站软件平台软件存在的代码重复率高,新增单板导致全系统散弹式的分支修改,软硬件间、特性间耦合大等问题,通过全新的架构设计和实现,在性能、空间、复用、效率和模块化等方面,系统规模从75万缩减为45万,内存减少至原来的1/3,赢得产品未来5-10年软件架构的竞争力。
• 基于全新的Controller-Service-Model的架构模式,实现软件平台中心层与本地层的解耦,更好的分层架构,并实现特性之间编译时的零耦合;同时,建设统一的架构看护工具链,使得软件架构设计具有端到端的闭环的演进机制。通过领域建模和重构将代码演进到模块化架构,并支持特性的灵活可裁剪性,及其多核多通道的并发架构,提升了产品商业的技术竞争力。同时,通过统一的领域建模,实现了可写全局变量的清理,并实现了资源的一致性控制,从架构上解决了资源对不齐的顽疾。
• 通过对配置的统一建模的全新架构,在架构上实现业务特性与配置数据的解耦,从而释放了单板的开发效率;同时,建立产品开发工具环境和工具链,支撑配置代码的代码自动生成,及其运行时加载配置二进制SO等端到端流程。替换和开发重要的基础框架,包括异步通信和任务编排等框架,实现既有系统笨重而复杂的遗留框架的替换,代码规模从2.6w行缩减为4.2k代码,且性能提升17%。
• 通过对硬件依赖强,芯片接口变化快等问题,导致实施开发者测试的成本高,带领团队设计一套面向业务语言编程的测试框架,避免测试业务充斥C++技术噪声(例如,全局变量依赖、MOCK内部接口等),从而有效改进测试用例的稳定性和表达力,实现“Test As Document”的设计初衷,支撑产品有效覆盖业务场景,实现产品质量提升。