中科曙光
【2027】应用工程师（AI方向）-青岛(J14217)
【2027】应用工程师（AI方向）-青岛(J14217)
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人工智能
人工智能
Cuda
Deepspeed
Pytorch
Vllm
高性能计算
值不值得投
74综合评分
综合评分 74
算力大厂AI技术支持岗，技术栈前沿且成长空间大，适合热爱HPC与大模型底层优化的技术极客。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
1.6万
比人工智能中位数低
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 540 个在招 · 其中人工智能 42 个
市场机会
选择不多
青岛 · 人工智能 · 5 个在招
职位详情
关于这个职位
该职位主要负责AI行业应用和高性能计算场景下的技术支持与问题排查，协助用户解决集群、平台、模型和工具链的使用问题
你需要参与应用调试、性能瓶颈分析，并沉淀相关技术文档与知识库，是连接底层算力与上层AI应用的关键技术桥梁
最低要求
计算机、人工智能、软件工程、自动化、数学等相关专业，硕士优先
熟悉 Linux、Python 或 Shell，具备基本的问题排查、脚本开发和数据分析能力
理解 AI 应用、模型训练/推理、高性能计算或分布式系统基础概念
了解常见性能指标，如吞吐、延迟、资源利用率、显存/内存占用和稳定性等
具备良好的沟通能力、服务意识和文档沉淀能力，能够推动问题从发现到闭环
工作职责
面向 AI 行业应用和高性能计算场景，支持用户在使用集群、平台、模型和工具链过程中遇到的技术问题
参与用户应用、训练/推理任务、系统环境和平台组件的调试，协助定位功能、性能和稳定性问题
梳理客户训练、推理和行业应用场景，沉淀 SLA、功能验证、性能测试和使用体验需求
基于 profiling、日志、监控和压测数据，分析应用性能瓶颈，输出评估报告、优化建议和问题复盘
参与高性能计算集群用户环境、应用适配工具、FAQ、workaround 和知识库的建设与维护
优先资格
使用过 PyTorch、Transformers、vLLM、SGLang、DeepSpeed、Slurm、Kubernetes 等框架或平台
了解 GPU、CUDA、NCCL、MPI、存储和网络等集群基础组件
有 AI 应用开发、模型部署、性能分析、HPC 集群使用或开源项目经验
AI 洞察
优缺点分析
优点
- 处于AI与高性能计算交叉的前沿领域，能接触到最新的GPU集群、大模型推理框架（如vLLM、SGLang）及底层优化技术
- 中科曙光作为国内领先的算力基础设施提供商，平台大，能积累深厚的HPC和AI落地经验
- 需要同时掌握上层AI应用框架和底层硬件/集群组件，技术栈广且深，学习曲线较陡峭
- 适合对AI底层算力、大模型部署与高性能计算有浓厚兴趣，具备较强问题排查能力和客户服务意识的计算机或AI相关专业求职者
缺点 / 挑战
- 作为技术支持角色，可能需要频繁响应客户问题，面临一定的排障压力和沟通成本
角色解读
- 可向高级AI应用架构师、HPC技术专家或AI技术支持团队管理方向发展
- 积累丰富的底层算力与上层AI应用结合经验后，也可转型为AI解决方案专家或产品经理
- 负责AI应用和高性能计算场景下的技术支持，解决用户在集群、平台和模型工具链中遇到的技术问题
- 通过调试、性能分析和日志监控，定位并解决功能、性能和稳定性问题，同时沉淀技术文档和知识库
- 熟练掌握Linux、Python或Shell脚本，具备扎实的问题排查和数据分析能力
- 深入理解AI模型训练/推理、高性能计算及分布式系统概念，熟悉PyTorch、vLLM等主流框架及GPU/CUDA等底层组件
申请策略
- 了解中科曙光在智算中心、AI服务器及算力调度平台方面的业务布局，面试时可结合公司核心产品谈谈对AI应用落地的理解
- 突出在Linux环境下的脚本开发能力，以及在PyTorch、DeepSpeed、vLLM等AI框架或Slurm、K8s等集群调度平台上的实际项目经验
- 强调参与过的模型部署、性能调优或HPC集群使用经历，展示解决复杂技术问题的案例
- 建议深入学习大模型推理加速技术（如vLLM、TensorRT）及分布式训练框架（DeepSpeed、Megatron），熟悉GPU架构及CUDA编程基础
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述过往排障或优化经验
- 对于技术问题，先阐述底层原理（如显存机制、分布式通信），再结合具体工具（如profiling、日志分析）给出排查步骤，最后总结优化方案
- 在Linux环境下，你通常如何排查一个Python脚本导致的内存泄漏或CPU占用过高问题？
- 请简述大模型推理过程中，显存占用主要由哪些部分组成？如何优化推理延迟？
- 如果用户反馈模型训练任务在Slurm集群中运行缓慢，你会从哪些维度进行性能瓶颈分析？
- 你使用过vLLM或SGLang吗？它们相比传统的推理框架在性能上有哪些优势？
- 复习Linux系统性能分析工具（如top, perf, nvidia-smi），深入了解至少一种大模型推理框架（如vLLM）的核心机制
- 准备1-2个自己主导或深度参与的性能优化或问题排查案例，突出你的分析逻辑和闭环能力
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
薪资处于青岛地区AI与算力技术岗的市场中等偏上水平，作为校招岗位，整体薪酬福利符合行业常规标准。
薪资信号未披露（AI估算：1.2千–2万/月）
成长发展
85较高
岗位处于AI与HPC交叉的前沿领域，能接触到最新的大模型推理框架和底层算力技术，技术成长空间大。
技术前沿前沿/新兴技术
技术栈PyTorch、Transformers、vLLM、SGLang、DeepSpeed、Slurm、Kubernetes、CUDA、NCCL
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式和加班情况，但作为面向客户的技术支持岗位，可能需要响应突发问题，WLB情况无法确切判断。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
致力于AI行业应用和高性能计算落地，推动算力基础设施赋能千行百业，具有较高的行业价值和技术使命感。
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
中科曙光 的其他在招职位
相似职位推荐
Watch Jobs