中级AI研发工程师

优缺点分析

角色解读

• 在AI基础设施领域深耕，可向资深AI系统工程师或架构师发展
• 积累大模型工程化经验后，可转向算法或平台架构方向
• 科大讯飞平台提供内部晋升通道，有机会成为技术团队骨干或管理者
• 负责星辰MaaS系统级研发，包括高性能后端和AI基础设施的设计与优化
• 参与大模型推理与训练系统的工程化落地，进行性能分析与加速优化
• 与算法、平台等团队协作，推动技术方案在业务中落地，并攻克核心技术难点
• 扎实的计算机基础（操作系统、网络、数据结构）和至少一门语言（Go/Python）精通
• 后端系统研发经验，熟悉高并发、高可用或分布式系统设计
• 系统性能优化、资源利用率提升和稳定性建设方面的实践经验

申请策略

• 了解科大讯飞星辰平台的产品定位和竞品，面试中展现对业务的理解
• 准备一个性能优化的完整案例，从问题分析到方案落地再到效果评估
• 突出Go或Python的后端项目经验，特别是高并发、分布式系统相关
• 强调性能优化（如延迟降低、吞吐提升）的实际案例及量化成果
• 展示对AI模型推理或训练系统的了解，哪怕只是实验室或开源项目
• 补充大模型推理框架（如vLLM、TensorRT-LLM）或训练框架（如DeepSpeed）的基本使用
• 熟悉Kubernetes和云原生技术，用于部署大规模AI服务

面试指南

• STAR法则：情境、任务、行动、结果，用数据支撑
• 对比分析：从不同方案优缺点切入，展示技术广度
• 结构化表达：先总后分，列出关键点，逻辑清晰
• 请描述一个你参与过的分布式系统性能优化案例，具体做了什么？
• Go和Python在并发编程上有何区别？如何选择合适的语言？
• 大模型推理时如何降低显存占用和延迟？有哪些常用技术？
• 如何设计一个高可用的推理服务？考虑哪些因素？
• 复习操作系统（进程调度、内存管理）和网络协议（TCP/IP、HTTP）基础