【2027】算力优化师（AI方向）-西安(J14222)

优缺点分析

角色解读

• 技术专家路线：深耕AI系统性能优化领域，成为GPU性能调优、推理框架优化方面的资深专家
• 质量保障路线：向AI系统的质量保障与可靠性工程方向发展，负责更广泛的系统级测试与稳定性保障
• 解决方案路线：积累足够经验后，可参与面向客户的AI算力解决方案设计与优化咨询
• 负责设计和执行针对AI大模型、推理框架及硬件平台的性能基准测试（Benchmark），并构建回归测试集
• 构建和维护涵盖响应时延、吞吐量、资源消耗（显存）和稳定性的性能指标体系
• 进行性能数据剖析（profiler），利用CI工具自动化测试流程，参与版本发布质量把关
• 对测试中发现的问题进行跟踪、分析根本原因，并建立知识库，协助制定性能标准
• 扎实的编程与脚本能力，特别是Python和Linux环境下的操作
• 理解软件性能测试和自动化测试的核心概念与方法
• 对GPU架构、容器化技术（如Docker/Kubernetes）以及当前主流的大模型推理框架（如vLLM, PyTorch）有基础认知或浓厚兴趣
• 极强的逻辑分析能力、细致严谨的工作态度，以及良好的文档编写与知识沉淀习惯

申请策略

• 简历中可具体描述一次优化或分析问题的过程，体现你的逻辑思维和动手能力
• 关注中科曙光在AI算力和国产化计算生态方面的动态，在面试中展现你对行业和公司的了解
• 突出与Linux、Python相关的项目或课程设计经历，尤其是涉及数据分析或脚本自动化的部分
• 强调对性能测试、CI/CD流程的理解，有相关课程项目或实验经验为佳
• 若有使用PyTorch等框架的项目，或了解GPU计算基础，应重点展示
• 系统学习Linux性能分析工具（如perf, strace）和Python数据分析库（如pandas, matplotlib）
• 动手实践，尝试阅读vLLM或Transformers等框架的性能相关文档和代码，了解基本原理
• 熟悉Docker容器的基本使用，并了解Kubernetes的基本概念

面试指南

• 对于指标类问题：先解释指标的全称和衡量的具体内容（如TTFT衡量首Token时延），再说明其对用户体验或系统效率的影响
• 对于方法类问题：遵循“明确目标 -> 搭建环境 -> 采集数据 -> 分析数据 -> 得出结论”的思路，并提及常用的工具和方法（如使用nvidia-smi监控GPU，使用profiler分析热点）
• 对于工具/框架类问题：结合课程或项目经历，诚实说明自己的掌握程度，并强调学习能力和兴趣
• 请解释一下你对TTFT和TPOT这两个性能指标的理解？
• 如果要对一个部署在GPU上的大模型推理服务进行性能分析，你会从哪些方面入手？
• 你如何理解CI/CD在保障软件版本质量中的作用？
• 你使用过哪些Python库进行数据分析？请举例说明
• 你对vLLM或PyTorch有哪些了解？