中科曙光
资深优化专家（北京）(J13675)
资深优化专家（北京）(J13675)
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Ai推理
Cuda
Gpgpu
Gpu
大语言模型
并行算法
性能优化
深度学习
值不值得投
73综合评分
综合评分 73
资深AI优化专家，技术前沿、成长性强，但WLB信息不足需确认。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比算法优化工程师中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
84 个在招 · 其中算法优化工程师 3 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 250 个在招
职位详情
关于这个职位
这个职位负责研发和优化芯片基础软件栈，支持深度学习、大语言模型等AI应用
你需要分析性能指标，调优算法，实现AI模型在GPGPU上的高效运行，并参与主流大模型（如DeepSeek、LLaMA）的推理优化，提升推理性能
最低要求
熟悉 C++编程，了解常用数据结构及算法
熟悉线性代数，科学计算，机器学习，深度学习，AI算法等一个或多个领域
熟悉 GPU 或 AI加速芯片的体系结构，有过在不同架构芯片上的算法调优经验
熟悉并行算法优化的基本技巧，有对算法性能进行分析和优化的经验
熟悉计算机体系结构，操作系统
工作职责
研发高质量的芯片基础软件栈，包括支撑大语言模型在内的深度学习，线性代数，科学计算，信号处理等方向的基础加速库
分析重要的性能指标，调优已有软件算法，并且对未来的软件进行优化和提升
对大语言模型，CV模型，语音模型，推荐系统，科学计算和其他相关并行算法领域进行分析和优化
负责 AI模型推理/训练的端到端性能整体优化
实现AI/科学计算领域在GPGPU上的算法和实践
参与主流大模型（DeepSeek、通义、LLaMA等）的推理算子开发和优化，提高大模型推理性能
参与W8A8 等量化算法的研究和相应高性能算子开发
参与投机采样、MTP、专家负载均衡、计算/通信 Overlap 等创新推理优化特性的研发
优先资格
以下情况优先：
（1）GPU的编程和优化经验，e.g. CUDA or OpenCL，有过类CUDA生态的底层计算库（cuBLAS/cuDNN/cuFFT/cuSOLVER等）的开发经验，或者对这些计算库的构成和使用非常熟悉
（2）有过机器学习方面的开发经验，尤其是深度学习，熟悉Tensorflow, Pytorch, TensorRT等框架/引擎的原理和使用方法
（3）熟悉convolution、GEMM、Attention等计算密集型运算的典型算法，有过实际开发经验优先，有过视觉/大语言模型的开发和调优经验，熟悉CNN/Transformer等网络的性能瓶颈和优化方向，能够把握相关领域的国际前沿发展趋势
（4）有过数据科学，统计科学，图像处理，信号处理等方面的开发和优化经历
（5）有软硬件协同优化、基于异构硬件的软件开发经验者优先
（6）具备 NPU/GPU 等 AI 加速器的性能调优经验，熟悉内存优化、算子融合等技术
熟悉 AI 推理框架，有模型部署和优化实战经验
（7）参与过 Triton、MLIR、IREE、XLA、TVM、TorchInductor 等编译器的开发，或在 GitHub 提交过相关 PR
AI 洞察
优缺点分析
优点
- 技术前沿，涉及大模型和AI优化，有持续学习和成长空间
- 国产芯片领域快速发展，行业前景广阔，能参与核心技术突破
- 公司背景强大，平台资源丰富，利于技术积累和职业发展
- 技术难度高，需要深入底层优化，对计算机体系结构要求严格
- 项目可能涉及复杂算法和软硬件协同，调试和优化耗时较长
缺点 / 挑战
- 性能调优工作可能压力较大，需要持续跟踪国际技术趋势
- 适合对底层技术有浓厚兴趣、具备GPU编程和深度学习经验、追求技术深度和挑战的求职者
角色解读
- 深入芯片软件栈开发，成为底层性能优化专家
- 拓展到AI系统架构设计，参与更大规模的高性能计算项目
- 向技术管理或研究岗位发展，引领技术团队或探索前沿方向
- 研发和优化芯片基础软件栈，支持深度学习、大语言模型等AI应用
- 分析性能指标，调优算法，实现AI模型在GPGPU上的高效推理和训练
- 参与主流大模型的推理优化，如量化、投机采样等创新特性开发
- 精通C++编程和算法，熟悉数据结构
- 熟悉GPU体系结构和并行计算优化，有CUDA或OpenCL经验
- 了解深度学习框架如TensorFlow、PyTorch，具备AI模型性能调优能力
- 熟悉计算机体系结构和操作系统，能进行软硬件协同优化
申请策略
- 研究中科曙光在芯片和AI领域的业务方向，准备相关技术见解
- 在面试中展示对性能瓶颈的分析能力和实际优化案例，突出解决问题的思路
- 突出C++编程能力，强调算法设计和优化项目经验
- 详细描述GPU/CUDA开发经验，以及大模型或AI模型优化案例
- 列出熟悉的深度学习框架和工具，如PyTorch、TensorRT，并展示相关成果
- 强调并行算法和性能分析经验，提供具体优化指标提升数据
- 深入学习CUDA编程和GPU内存优化技术，提升底层优化能力
- 实践大模型推理优化，熟悉量化、算子融合等当前热点技术
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经验，强调技术深度和可量化成果
- 结合计算机体系结构知识，从硬件特性出发解释优化策略，展示系统思维
- 对比不同技术方案的优缺点，说明选择依据，体现技术决策能力
- 如何优化GEMM（通用矩阵乘法）运算在GPU上的性能？
- 描述你参与过大模型推理优化的一个项目，遇到了哪些挑战，如何解决？
- 在CUDA编程中，有哪些常见的内存优化技巧？请举例说明
- 谈谈你对Transformer架构性能瓶颈的理解，以及可能的优化方向
- 你如何平衡算法优化中的精度和性能？
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
基于岗位资深级别和北京市场，薪资可能具有竞争力，但JD未披露具体信息，需面试确认。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
岗位涉及大模型、GPU优化等前沿技术，提供深度学习和底层系统开发的成长机会，技术提升空间大。
技术前沿前沿/新兴技术
技术栈C++、GPU、CUDA、深度学习、大语言模型、并行算法
业务类型ambiguous
工作生活
60中等
JD未提及办公模式和WLB，可能要求现场办公且工作强度较高，生活化动机满足有限。
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
参与国产芯片和AI优化，推动技术自主创新，具有较高的社会价值和行业意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs