微软
Senior Software Engineer - GPU COGS
Senior Software Engineer - GPU COGS
发布于 3 小时前普通员工/个人贡献者
全职员工混合式弹性办公数据工程
数据工程
Ai自动化
Finops
Llm/Agent
云平台架构
分布式系统
可观测性
大规模数据处理
值不值得投
81综合评分
综合评分 81
顶尖大厂AI基础设施核心岗，技术栈前沿、薪酬丰厚、发展路径清晰，WLB中等偏上。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
8.0万
比数据工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
63 个在招
市场机会
选择面较广
北京 · 数据工程 · 约 160 个在招
职位详情
关于这个职位
负责为微软M365和Copilot构建GPU成本与基础设施效率分析平台
通过设计可扩展的分布式系统与数据智能平台，整合产品使用、硬件资源、运维遥测及财务成本模型，提供底层COGS洞察
结合AI自动化技术优化资源利用率，支撑跨团队在云规模下的容量规划与投资决策
最低要求
计算机科学或相关技术领域学士学位，且具备4年以上编码技术工程经验（语言包括但不限于C、C++、C#、Java、JavaScript或Python）
或具备同等经验
需通过微软云背景调查及安全筛查要求
工作职责
设计并交付可扩展平台，整合运维遥测、产品使用、基础设施消耗与数据，构建可信的智能与决策支持系统
主导大规模云服务（支撑M365与Copilot经济指标洞察）的架构设计、实施与运营卓越性建设
开发解决方案以提升对成本驱动因素、资源效率、服务依赖关系及业务成果的可见性，助力团队进行数据驱动的决策
应用AI、智能体设计与自动化技术简化运营流程，识别优化机会，提升工程生产力
与工程、产品、财务及业务团队紧密合作，将复杂需求转化为可扩展的平台能力并产生可衡量的业务影响
领导技术倡议，影响架构决策，并在多个团队间推广共享平台能力的采用
通过工程最佳实践与自动化手段，提升平台可靠性、可观测性、数据质量与运营效率
贡献技术卓越性，协助建立可复用的模式与能力，提升组织整体效能
优先资格
计算机科学或相关技术领域硕士学位且6年以上编码经验
或学士学位且8年以上编码经验
或同等经验
具备处理海量数据的大规模软件系统构建经验
对AI原生工程与自动化充满热情，能应用智能系统提升工程生产力与运营效能
具备从设计到生产部署并产出可衡量结果的复杂技术项目推动能力
扎实的软件工程基础，涵盖分布式系统设计、云架构、可靠性、可扩展性与运营卓越性
具备跨团队协作解决模糊技术问题并交付业务价值的能力
熟练运用数据、分析、可观测性或AI技术提升服务性能与运营效率
有建立云规模服务工程标准、运营实践、自动化框架或治理模式的经验
熟悉大型语言模型(LLMs)、智能体平台及数据驱动洞察平台的开发与运营
AI 洞察
优缺点分析
优点
- 依托顶级云生态，接触海量真实业务数据与前沿AI基础设施，技术视野开阔
- 深度参与GPU成本优化与智能体自动化，构建高壁垒的核心竞争力
- 内部培训体系完善，晋升通道透明，福利与股票激励具备强吸引力
- 涉及财务与工程交叉领域，需快速理解复杂的成本核算模型与业务指标逻辑
- 跨部门协作频繁，需在技术理想、资源限制与业务交付之间寻找平衡点
- 适合具备扎实后端/数据工程基础，对AI基础设施与云成本优化感兴趣，且擅长跨团队协作的技术人才
缺点 / 挑战
- 大规模云系统的稳定性要求极高，故障容忍度低，线上压力较大
角色解读
- 向首席软件工程师或技术架构师发展，深耕云基础设施与AI经济学领域
- 转向技术管理岗，带领团队负责更大规模的智能平台与成本优化战略
- 长期成长为AI驱动的云运营专家，具备技术广度与商业敏锐度
- 负责构建和维护支撑M365/Copilot底层成本的GPU与基础设施数据分析平台
- 设计分布式系统整合硬件、运维遥测与财务数据，输出COGS洞察报告与决策支持
- 引入AI智能体自动化处理复杂运营信号，优化资源分配与容量规划
- 跨部门协同工程、财务与产品团队，将业务指标转化为可落地的技术平台能力
- 精通C++/Java/Python等至少一门语言，具备4年以上后端或数据平台开发经验
- 掌握分布式系统架构、云原生技术及大规模数据处理与存储机制
- 熟悉AI/LLM应用落地，能将智能自动化无缝融入现有工程工作流
- 具备跨职能沟通与复杂技术项目推进能力，熟悉可观测性与FinOps理念
申请策略
- 提前研究目标平台定位及AI商业化进展，面试时展现对“技术赋能业务经济性”的深度理解
- 准备具体项目案例，清晰说明如何从0到1搭建数据管道并驱动关键决策
- 突出大规模分布式系统设计与云端数据平台建设经验，附架构图或性能指标
- 量化展示通过自动化/AI工具提升的工程效率或资源利用率的具体数据
- 强调跨部门（工程/财务/产品）协作解决复杂问题的成功案例与业务影响
- 补充云成本核算(FinOps)相关知识，了解GPU集群调度与资源监控机制
- 深入学习LangChain/AutoGen等AI Agent框架，掌握Prometheus/Grafana等可观测性工具
面试指南
- 采用STAR法则结构化回答，重点突出技术选型依据、性能瓶颈突破点及最终业务收益
- 针对AI集成问题，强调人机协同边界、异常处理机制与灰度发布策略
- 针对业务转化问题，展示从抽象指标到数据字典、ETL链路再到可视化看板的全链路思维
- 请分享一个你设计的高可用分布式数据平台案例，如何处理数据一致性与延迟？
- 如何将AI智能体集成到现有运维流程中？如何设计安全护栏避免自动化失控？
- 面对模糊的业务成本指标，你如何将其转化为可执行的技术方案与数据模型？
- 复习分布式系统核心概念（CAP定理、一致性协议、微服务治理、缓存策略）
- 梳理过往项目中数据建模与成本/效率优化的实际产出，准备可量化的复盘材料
职位点评
薪资福利85
成长发展90
工作生活65
使命价值75
薪资福利
85较高
跨国巨头提供极具竞争力的现金薪酬与股票激励，叠加完善的五险一金与补充商业保险，整体补偿水平显著高于市场平均。
薪资信号偏高 (6.0千–10.0万/月)
成长发展
90较高
岗位深度绑定AI原生转型与云基础设施前沿探索，提供接触LLM、智能体平台及大规模数据架构的机会，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈分布式系统、LLM、Agent、Python、C++、云平台架构、可观测性
业务类型profit_center
工作生活
65中等
JD未明确标注办公模式与工时制度，通常实行混合办公，但核心研发岗可能面临项目交付期的强度波动，整体WLB处于行业中上水平。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
岗位直接服务于全球最大规模云服务的经济性与可持续性，通过优化GPU资源与降低闲置成本，间接推动绿色计算与高效AI普及，具备较强的行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号empower every person and every organization on the planet to achieve more
创新程度积极采用新技术
微软 的其他在招职位
相似职位推荐
Watch Jobs