【2027】AI系统工程师-郑州(J14149)

优缺点分析

角色解读

• 技术专家路线：持续深耕AI系统优化，成为分布式训练/推理、异构计算领域的资深专家或架构师
• 技术管理路线：积累经验后，可转向团队技术负责人或AI平台部门的经理角色
• 研究方向：对于有浓厚兴趣的员工，可能参与前沿AI系统技术的研究和探索工作
• 负责将大模型（如LLM）的训练和推理过程进行工程化落地，并通过系统调优提升其性能和稳定性
• 搭建、维护和优化用于模型训练和推理的分布式计算环境，确保任务高效运行
• 对大模型的全生命周期（从训练到推理）进行性能分析，找出瓶颈并提出解决方案
• 结合底层AI芯片（GPU/NPU）特性进行软硬件协同的性能优化
• 扎实的大模型（Transformer, LLM）和分布式计算（并行原理）理论基础
• 精通主流的深度学习训练框架（如PyTorch）或高性能推理引擎（如vllm/sglang）
• 深入理解GPU、NPU等AI加速器的体系结构，并具备异构编程与调优的实践经验
• 优秀的系统性能分析、瓶颈定位和问题解决能力

申请策略

• 深入研究中科曙光在AI计算基础设施（如服务器、存储、云计算平台）方面的产品和技术，思考自己的岗位如何融入其业务
• 在面试中，准备具体的技术案例来展示你的系统思维和解决问题的能力，例如‘我曾通过XX方法将XX模型的训练速度提升了XX%’
• 重点展示与大规模分布式训练/推理、性能优化相关的项目或研究经历，即使是课程设计或个人项目也需突出
• 清晰列出掌握的技术栈，如PyTorch、CUDA、NCCL、分布式通信库等，并描述使用深度
• 如果有GPU/NPU编程或异构计算相关经验，务必详细描述，这是重要的区分点
• 强调解决复杂技术问题的逻辑思维和动手能力，例如如何定位和优化了一个性能瓶颈
• 深入学习和实践至少一种分布式训练框架（如DeepSpeed, Megatron-LM）或推理引擎（vllm, TensorRT-LLM）
• 系统性学习GPU编程（CUDA/OpenCL）和性能分析工具（如Nsight Systems/Compute）

面试指南

• 对于原理性问题，采用‘概念解释 + 技术细节 + 实际应用场景’的框架回答
• 对于问题分析类问题，采用‘明确目标 → 全链路排查（数据、计算、通信、内存） → 使用工具定位 → 提出假设并验证 → 实施优化方案’的步骤化回答
• 对于经验描述类问题，使用STAR法则（情境、任务、行动、结果）来结构化地阐述，并突出你的技术决策和量化成果
• 请介绍一下你对大模型分布式训练（如数据并行、模型并行、流水线并行）原理的理解，以及它们各自的优缺点和适用场景？
• 如果一个大模型训练任务在GPU集群上运行缓慢，你会如何分析和定位性能瓶颈？
• 请描述一次你优化程序性能的经历，包括使用了哪些工具、方法和思路？
• 你对PyTorch和vllm/sglang等推理框架有什么了解？它们在分布式推理方面有何不同？
• 你如何看待AI芯片（如GPU）的体系结构对模型训练和推理性能的影响？