米哈游
AI 基础设施性能工程师
AI 基础设施性能工程师
发布于 大约 21 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
PyTorch
DPU
Linux内核
NCCL
DOCA
RoCE
分布式训练
eBPF
DeepSpeed
QoS
AI 估算 · 35k–55k
AI基础设施性能优化是稀缺方向，米哈游作为头部游戏公司薪资竞争力强，结合上海市场行情和资深岗位要求，预估中高水平。
职位详情
关于这个职位
该职位负责米哈游AI基础设施的性能优化，专注于RoCE网络、NCCL通信库、Linux内核及训练框架的深度调优
你将使用perf、eBPF、Nsight等工具进行性能诊断与基线建立，并与GPU/网卡厂商技术对接
适合有5年以上系统或网络性能优化经验、熟悉大规模分布式训练的技术专家
最低要求
计算机科学与技术、软件工程、通信工程、电子工程等计算机相关专业，本科及以上学历
年以上系统性能或网络性能优化经验
网络/系统/训练框架三大性能方向中至少一个方向具备深度研究能力
熟练使用perf、eBPF、bpftrace、Nsight Systems、Nsight Compute等性能分析工具
熟练掌握C/C++与Python至少一种为主语言
具备良好的跨团队协作能力，能够主导性能事件复盘并沉淀技术文档
工作职责
RoCE网络性能调优：PFC / ECN / QoS、网卡参数配置、DOCA工具链应用
主流训练通信库的深度调优：NCCL拓扑、QP、buffer、算法选择等
Linux内核参数调优：NUMA、cgroup、CPU affinity、IRQ、巨页、网络栈、文件系统
训练/推理任务运行时性能诊断（带宽/延迟分析、PyTorch Profiler、Nsight系列工具、慢节点定界）
性能基线建立与版本回归，覆盖通信库、训练框架、内核与驱动各层
新硬件NPI性能评估：新代GPU、网卡接入期的性能验证、问题反馈与最佳实践沉淀
与GPU、网卡厂商工程团队的技术对接、Bug上报与协同攻关
主导或深度参与重大性能事件复盘，沉淀技术文档与团队级最佳实践
优先资格
大规模分布式训练任务性能调优实战经验
DOCA或DPU相关编程经验
熟悉DeepEP、HybridEP、Megatron、DeepSpeed等通信优化技术点
具备NCCL、PyTorch等开源项目的源码阅读与调试能力
与GPU或网卡厂商工程团队有深度技术合作经历
在NCCL、PyTorch、Linux Kernel等社区有论文发表或开源贡献
AI 洞察
优缺点分析
- 接触前沿技术栈（RoCE、DPU、NCCL调优），技能稀缺性强，市场价值高
- 米哈游为自研游戏大厂，业务稳定，对基础设施投入大，项目含金量高
- 有机会与GPU/网卡厂商深度合作，拓展行业人脉和视野
- 技术深度要求极高，需同时掌握网络、系统、训练框架多层面知识，学习曲线陡峭
- 性能调优常涉及复杂问题排查，需要极强的耐心和系统化思维能力
- 互联网/游戏公司加班文化可能存在，压力较大
- 适合对系统性能有极致追求、热爱底层优化、喜欢与硬件打交道的技术极客，尤其是有分布式训练经验、希望深耕AI基础设施领域的人
角色解读
- 向AI基础设施架构师方向发展，主导数据中心级性能优化策略
- 深入硬件协同领域（DPU、智能网卡），成为GPU/网卡厂商的技术顾问
- 积累开源社区影响力（NCCL、PyTorch贡献），转型为技术专家或团队负责人
- 调优RoCE网络（PFC/ECN/QoS）和网卡参数，使用DOCA工具链解决性能瓶颈
- 深度优化NCCL通信库，调整拓扑、QP、buffer和算法，提升大规模训练效率
- 诊断训练/推理任务的运行时性能，使用perf、eBPF、Nsight等工具定位慢节点
- 与GPU/网卡厂商技术对接，评估新硬件性能，建立性能基线并推动最佳实践
- 精通Linux内核调优（NUMA、cgroup、CPU亲和性、巨页等）和网络协议栈
- 熟练使用perf、eBPF、Nsight Systems、Nsight Compute等性能分析工具
- 掌握C/C++和Python，具备NCCL、PyTorch等开源项目源码阅读能力
- 有大规模分布式训练性能调优实战经验，熟悉Megatron、DeepSpeed等框架
申请策略
- 在简历中明确写出自己熟悉的硬件平台（如A100/H100 GPU、Mellanox网卡）和具体调优参数
- 面试前了解米哈游在AI方面的业务方向（如游戏AI、渲染等），以展示兴趣
- 突出大规模分布式训练性能调优的具体案例，如将训练速度提升x%或解决xx网络瓶颈
- 展示对NCCL、PyTorch等开源项目的贡献或源码分析经验
- 强调使用perf、eBPF、Nsight等工具的实际项目经历，附上性能分析报告样例
- 补充DOCA/DPU编程经验，可通过NVIDIA官方文档和实验环境练习
- 深入学习Linux内核网络栈和内存管理，推荐阅读《Linux内核设计与实现》
面试指南
- 对于性能问题，采用'现象-假设-验证-优化'的闭环思路：先描述问题现象和影响范围，列出可能根因（如网络拥塞、CPU绑定不当），说明采用的工具（如perf/eBPF、NCCL debug），展示优化后的量化结果
- 请描述一次你通过调整RoCE网络参数解决训练性能瓶颈的经历
- 如何诊断NCCL通信缓慢的问题？请列出排查步骤和可能原因
- 解释NUMA架构对深度学习训练的影响，以及如何优化
- 你如何使用Nsight Systems分析PyTorch模型性能？举例说明
- 对比PFC和ECN在RoCE网络中的优缺点
- 复习RoCE v2协议细节、ECN/PFC工作机制，准备一个完整调优案例
- 熟悉NCCL源码架构（如ncclTopo、NVLink拓扑），能画出训练通信链路图
匹配度报告
66
综合匹配度
米哈游AI基础设施性能专家，前沿技术栈、高成长性，但工作强度可能较大。
适合人群
最适合追求技术深度和前沿能力的开发者，若更看重WLB则需谨慎。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利65
成长发展92
工作生活45
使命价值60
薪资福利匹配
65中等
JD未提及薪资福利，但基于公司行业地位和岗位稀缺性，薪资应具有竞争力，但具体细节不明确。
薪资信号未披露 (35K-55K/月)
成长发展匹配
92较高
该职位涉及AI基础设施最前沿技术（RoCE、DPU、NCCL调优），技术深度高，与硬件厂商合作提供极佳成长机会，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈RoCE、PFC、ECN、QoS、NCCL、DPU、DOCA、Perf、eBPF、Nsight、Linux内核、PyTorch、DeepSpeed、Megatron
业务类型cost_center
工作生活匹配
45较低
工作地点上海，未提及远程或弹性办公，互联网公司通常加班，WLB信号缺失。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
60中等
AI基础设施支撑游戏和元宇宙业务，属于技术驱动领域，但社会影响力有限，使命感不强。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs