微信
微信视频号-大模型ai infra高级工程师
微信视频号-大模型ai infra高级工程师
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Gpu优化
Pytorch
Tensorflow
分布式调度
推荐系统
模型推理
模型训练
值不值得投
77综合评分
综合评分 77
微信视频号核心AI Infra岗，技术栈前沿且成长空间极大，薪资竞争力强，但工作强度较高。
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
4.8万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 250 个在招 · 其中机器学习工程 19 个
市场机会
选择适中
广州 · 机器学习工程 · 36 个在招
职位详情
关于这个职位
该职位主要负责微信视频号大模型AI基础设施的建设，包括开发支持超大规模稀疏模型实时训练与推理的平台，以及高并发、低延迟的模型推理平台
你将支撑视频号短视频、直播、图文等推荐业务的高效迭代，解决复杂环境下海量资源的实时调度问题
最低要求
计算机相关专业，本科及以上学历，5年及以上工作经验
熟悉 Linux 开发环境、熟悉C/C++编程语言，熟练掌握常用算法和数据结构，有搜索/广告/推荐方向业务开发经验，熟练掌握至少一门脚本语言（shell/python等）
熟悉至少一种深度学习相关框架如tensorflow、pytorch等，有底层框架优化且开源经验
具备扎实数学/算法功底，对机器学习、概率统计等算法原理有所了解
工作职责
负责开发模型训练平台，支持超大规模稀疏模型的秒级实时训练与推理
负责开发模型推理平台，支撑数百个模型的复杂环境下的高并发、低延迟、低成本运行和海量资源的实时调度
支撑视频号短视频推荐、直播推荐、红点推荐、图文推荐等大规模、复杂业务矩阵的高效迭代
优先资格
有GPU相关优化经验者优先
AI 洞察
优缺点分析
优点
- 依托微信视频号亿级用户规模，能接触到业界最顶尖的大模型训练与推理场景，技术壁垒极高
- 身处核心业务部门，资源投入大，业务影响力广，职业发展前景与行业认可度极高
- 大模型技术迭代极快，需要持续跟进前沿技术并保持高强度的学习状态，对技术敏锐度要求极高
- 适合具备扎实C/C++底层功底、对AI Infra和算力优化有浓厚兴趣，且能在高压环境下解决复杂工程问题的资深技术人才
缺点 / 挑战
- 技术栈极具挑战性，涉及超大规模稀疏模型与GPU底层优化，个人技术深度与广度将得到极大拓展
- 业务复杂度高，需同时支撑短视频、直播、图文等多条业务线的模型迭代，系统稳定性与性能优化压力极大
角色解读
- 可向AI Infra架构师、技术专家方向发展，深入大模型底层系统与算力优化领域，成为行业顶尖的系统架构人才
- 横向拓展至推荐系统核心算法与业务架构负责人，主导国民级应用的核心技术演进
- 负责大模型训练与推理平台的底层架构开发与性能优化，支持超大规模稀疏模型的秒级实时处理
- 设计并实现高并发、低延迟的模型推理平台，解决复杂环境下数百个模型的实时调度与资源分配问题
- 深入业务一线，支撑视频号短视频、直播、图文等海量推荐业务矩阵的高效迭代与工程落地
- 精通C/C++及Linux开发环境，具备扎实的算法与数据结构功底，熟练掌握Python/Shell等脚本语言
- 深入理解TensorFlow/PyTorch等深度学习框架的底层原理，具备框架底层优化及开源贡献经验
- 拥有搜索/广告/推荐方向的大规模业务开发经验，熟悉GPU底层优化及分布式系统架构设计
申请策略
- 了解微信视频号推荐业务的最新技术分享或开源项目，面试时结合具体业务场景阐述你的架构设计思路与优化策略
- 突出在模型训练/推理平台开发、分布式调度或GPU底层优化方面的实际项目经验与性能提升指标
- 强调在搜索/推荐/广告等大规模业务中的工程落地成果，展示解决高并发、低延迟问题的具体方案
- 展示在TensorFlow/PyTorch等框架的底层优化经验或开源社区贡献，体现技术深度
- 深入学习大模型分布式训练框架（如Megatron、DeepSpeed）及推理加速技术（如vLLM、TensorRT）
- 补充GPU架构原理及CUDA编程相关知识，提升底层算力优化的实战能力
面试指南
- 采用STAR法则，结合具体业务场景说明系统设计的背景、面临的挑战（如规模、延迟），详细阐述采取的技术方案（如分布式调度、算子优化、显存管理），并量化最终的业务收益（如吞吐量提升、成本降低）
- 如何设计一个支持超大规模稀疏模型秒级实时训练的平台架构？
- 在复杂环境下，如何优化模型推理平台以实现高并发、低延迟和低成本？
- 请分享一个你在TensorFlow/PyTorch底层框架优化或GPU优化方面的具体案例
- 针对视频号短视频和直播推荐业务，模型调度系统需要解决哪些核心痛点？
- 复习C/C++底层原理、Linux系统编程及分布式系统架构设计，确保基础扎实
- 准备1-2个深度参与的大模型Infra或推荐系统底层优化的项目细节，能够画出系统架构图并清晰解释核心模块的设计考量
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
核心业务的高级技术岗，薪资福利在行业内具有较强竞争力，且平台稳定性高，但JD未明确披露具体薪资数字。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
95较高
处于大模型与AI Infra的最前沿，能接触到超大规模稀疏模型和GPU底层优化，技术成长空间与行业影响力极大。
技术前沿前沿/新兴技术
技术栈C/C++、Python、TensorFlow、PyTorch、GPU优化、大模型训练、模型推理
业务类型profit_center
工作生活
40较低
核心业务部门且涉及大模型底层优化，工作强度通常较大，JD未提及任何WLB或弹性办公相关信息。
工作模式未明确
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
80较高
支撑国民级应用微信视频号的核心推荐业务，社会影响力大，且处于AI大模型技术变革的前沿，具有强烈的技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs