腾讯
游戏AI-高性能推理系统研发工程师
游戏AI-高性能推理系统研发工程师
发布于 大约 16 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
GPU
HPC
CUDA
ROCm
PTX
Megatron-LM
DeepSpeed
SGLang
vLLM
AI 估算 · 30k–60k
AI大模型高性能计算岗，技术壁垒高，腾讯大厂平台加成，资深岗位薪资有竞争力。
职位详情
关于这个职位
该职位负责腾讯“开悟”平台的AI大模型训练与推理系统优化，专注于GPU高性能计算和底层性能调优
你将参与vLLM、SGLang等框架的核心模块开发，深入优化NVIDIA/AMD GPU的算力效率，探索MoE、动态计算图等前沿技术，推动AI工程化落地
适合具备CUDA/ROCm编程经验、熟悉分布式训练框架的资深工程师
最低要求
熟悉NVIDIA CUDA/AMD ROCm编程，具备GPU内核优化经验（如PTX指令调优、显存带宽优化）
精通Megatron-LM、DeepSpeedI等分布式训练框架，有千亿参数模型并行训练实战经验
熟悉大模型训练全流程优化（数据加载、梯度累积、通信压缩等），能通过Profiling工具定位性能瓶颈
工作职责
负责腾讯“开悟”平台的AIGC及LLM的训练/推理支持，参与基于GPU的高性能计算（HPC）项目设计与开发，负责GPU芯片（NVIDIA/AMD等）的底层性能优化与调优
针对大模型推理、训练等场景，优化和扩展vLLM、SGLang等框架的核心模块，提升计算效率与资源利用率
深入分析GPU硬件架构特性（如Tensor Core、显存带宽、通信机制等），设计并实现高性能算子与算法
探索前沿技术方向（如混合专家模型MoE、动态计算图优化等），推动AI工程化落地的效率提升
优先资格
有DeepSeek系列模型优化经验（如DualPipe调度、MLA注意力优化）或参与过相关开源项目贡献
AI 洞察
优缺点分析
优点
- 深度参与前沿AI技术（大模型、GPU优化），技术成长空间大
- 腾讯大厂平台，资源丰富，有影响力项目加持
- 与顶尖AI研究团队协作，接触行业最新实践
- 技术门槛高，需要扎实的GPU底层知识和分布式系统经验
- 工作强度可能较大，涉及复杂的性能调优和debug
- 大模型领域更新快，需要持续学习新技术
- 适合有3-5年GPU开发经验、热爱底层性能优化、渴望在大模型基础设施领域深耕的技术型人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术深耕：成为AI系统优化专家，领导更大规模的高性能计算项目
- 架构升级：转向AI基础设施架构师，设计下一代训练/推理平台
- 管理方向：带领高性能计算团队，负责技术方向与团队建设
- 负责腾讯开悟平台的AI模型训练与推理系统的底层优化，提升GPU计算效率
- 优化vLLM、SGLang等推理框架的核心模块，实现高性能算子与算法
- 深入分析GPU硬件架构，利用CUDA/ROCm进行内核调优，解决性能瓶颈
- 探索MoE、动态计算图等前沿技术，推动AI工程化落地
- 精通CUDA/ROCm编程和GPU底层优化，包括PTX指令调优、显存带宽优化
- 熟悉Megatron-LM、DeepSpeed等分布式训练框架，具备千亿参数模型并行经验
- 掌握大模型训练全流程优化，能使用Profiling工具定位性能瓶颈
- 了解vLLM、SGLang等推理框架原理，有扩展和优化经验者优先
申请策略
- 在面试中展示对性能调优的实战案例，包括定性和定量分析
- 了解腾讯开悟平台的应用场景，思考如何提升其AI推理效率
- 突出GPU内核优化项目经验，量化性能提升（如吞吐量、延迟改善百分比）
- 详细描述参与过的大模型训练/推理优化工作，包括使用的框架和具体优化点
- 展示对NVIDIA/AMD硬件架构的理解，如Tensor Core、显存带宽等
- 如果有开源贡献（如vLLM、DeepSpeed），重点列出
- 深入复习CUDA编程模型，包括PTX指令和内存管理
- 学习Megatron-LM和DeepSpeed的源码，理解并行策略
面试指南
- STAR法则：描述情境、任务、行动、结果，重点突出量化的性能提升
- 对比分析法：在解释优化技术时，对比优化前后的效果，说明原理
- 系统思维：从硬件、框架、算法等多维度综合回答性能问题
- 请详细描述一次GPU内核优化的经历，你如何识别和解决性能瓶颈？
- 解释Megatron-LM中的张量并行和流水线并行是如何工作的？
- 在大模型训练中，如何处理显存不足的问题？请列出至少三种技术
- 你对vLLM的PagedAttention了解多少？它与传统attention相比有哪些优势？
- 如何优化大模型的推理延迟？请从系统和算法层面分别讨论
匹配度报告
69
综合匹配度
大厂AI基础设施核心岗，技术前沿、薪资优厚，但工作强度和WLB一般。
适合人群
最适合以技术成长和前沿探索为核心动机的求职者，对薪资和WLB要求适中即可。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利匹配
75中等
腾讯为已上市巨头，薪资水平处于行业头部，该岗位技术门槛高，预计薪酬竞争力强。但JD未明确具体薪资福利，需面试确认。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
90较高
岗位聚焦AI大模型前沿技术，涉及GPU底层优化、分布式训练、推理框架等，技术成长空间极大。腾讯内部有丰富的技术分享和晋升通道。
技术前沿前沿/新兴技术
技术栈CUDA、ROCm、vLLM、SGLang、Megatron-LM、DeepSpeed、MoE、HPC、GPU
业务类型ambiguous
工作生活匹配
40较低
仅现场办公，深圳科技园，高强度技术岗位通常加班较多，未提及弹性工作或WLB，生活方式满足度较低。
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
70中等
AI基础设施岗位推动技术进步，但直接社会影响有限。属于高速增长的AI赛道，创新性强，有一定意义感。
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