中科曙光
AI框架研发工程师(J14476)
AI框架研发工程师(J14476)
发布于 6 小时前普通员工/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
Cuda
Gpgpu
Jax
Llm
Pytorch
Tensorflow
性能优化
值不值得投
75综合评分
综合评分 75
国产算力风口下的硬核底层研发岗，技术壁垒高、成长空间大，WLB未明确。
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
4.5万
比算法优化工程师中位数高
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 630 个在招 · 其中算法优化工程师 34 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 300 个在招
职位详情
关于这个职位
该职位主要负责PyTorch、TensorFlow等主流AI框架在国产GPGPU上的适配、开发与系统级优化，以及多领域大模型的端到端性能分析与优化
你需要依托国产算力进行实际工程落地，推动AI框架及高性能组件的研发
最低要求
计算机科学、电子工程、通信工程、信息科学或相关专业硕士及以上学历
熟悉 Linux 开发环境，熟悉主流人工智能框架及性能优化方法，掌握 C++ / Python 编程，熟悉 CUDA 编程模型及 GPU 执行与内存体系
熟悉至少一种主流AI框架，或具备相关开发与性能优化经验，包括但不限于pytorch、triton、torchtitan、tensorflow、jax、xla、iree等
具备 LLM/ VLM/搜广推等任意领域的训练或推理优化经验
工作职责
负责pytorch/TF/JAX及配套生态框架组件在国产GPGPU上的适配、开发与系统级优化
基于国产GPGPU进行多领域模型（如搜广推、视觉推理、模型训练等）的端到端性能分析及优化
负责基于国产GPGPU的兼容能力开发及高性能组件（如向量数据库等）研发
跟踪AI框架及场景的前言进展，依托国产GPGPU进行实际工程落地
优先资格
具备CPU、GPU算子优化经验，有并行计算相关背景者优先
具备TVM、MLIR、XLA、Triton等编译优化或图算优化经验者优先
具备国产加速卡相关经验者优先
具备异构集群经验者优先
具备大模型优化经验者优先
AI 洞察
优缺点分析
优点
- 踩中国产算力替代与AI大模型爆发的双重风口，技术方向具备极高的战略价值与长期前景
- 能深入底层硬件与框架，积累稀缺的系统级优化经验，技术壁垒高，不易被替代
- 接触多领域大模型及高性能组件研发，技术视野广阔，能参与核心算力生态的建设
- 适合对计算机底层架构、并行计算有浓厚兴趣，且具备扎实C++/CUDA功底的硬核系统或算法研发工程师
缺点 / 挑战
- 国产GPU生态仍在快速迭代中，可能面临文档不全、工具链不成熟等工程落地挑战
- 底层优化工作难度大，需要极强的计算机体系结构功底和耐心，排查性能瓶颈耗时耗力
角色解读
- 可向AI系统架构师、底层算力优化专家方向发展，成为国产算力生态的核心技术骨干
- 随着国产GPU生态的崛起，具备极高的行业稀缺性，职业生命周期长且壁垒深厚
- 负责主流AI框架（如PyTorch、TensorFlow、JAX）在国产GPGPU上的适配、开发与系统级优化
- 针对搜广推、视觉推理、大模型等多领域模型，进行端到端的性能分析与加速优化
- 研发基于国产算力的高性能组件（如向量数据库），并跟踪前沿AI框架技术进行工程落地
- 精通C++/Python及CUDA编程，深入理解GPU执行模型与内存层次结构
- 熟悉至少一种主流AI框架（如PyTorch、Triton）的底层机制与性能优化方法
- 具备LLM/VLM或搜广推等领域的模型训练或推理优化实战经验
申请策略
- 了解中科曙光在国产算力生态中的布局，面试时可结合国产硬件特性谈谈对AI框架适配的理解与思考
- 突出在CUDA编程、算子优化或主流AI框架（PyTorch/Triton等）底层开发的具体项目经验
- 强调在LLM/VLM等大模型训练或推理加速方面的实际落地成果及性能提升指标
- 若有国产加速卡适配、异构集群或TVM/MLIR编译优化经验，务必在简历中重点展示
- 深入学习Triton、TVM或MLIR等编译优化技术，了解图算融合与算子生成的底层逻辑
- 关注国产GPGPU（如海光、昇腾等）的架构特性，积累或模拟相关的硬件适配经验
面试指南
- 采用STAR法则，重点突出“问题背景-底层原理分析-优化方案-最终性能提升指标”的完整闭环
- 对于框架适配问题，可从硬件架构差异、算子映射逻辑、内存管理与通信开销三个维度展开系统性回答
- 请详细描述一次你使用CUDA进行算子优化或内存访问优化的经历，最终性能提升了多少？
- 在PyTorch或TensorFlow中，你是如何排查和解决模型训练时的性能瓶颈的？
- 针对LLM的推理优化，你了解或实践过哪些加速技术（如KV Cache、算子融合等）？
- 如果要将一个新的AI框架特性适配到国产GPGPU上，你的整体思路和调试流程是什么？
- 复习CUDA编程模型、GPU内存层次结构及并行计算基础，确保能应对底层原理的深度拷问
- 准备1-2个自己主导的深度学习框架底层优化或大模型加速的硬核项目案例，理清技术细节
职位点评
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利
75中等
该岗位对底层系统优化能力要求较高，技术门槛决定了其薪资具备较强竞争力，且国产算力方向具备长期发展空间。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
90较高
处于AI与国产算力结合的最前沿，技术壁垒极高，能积累深厚的底层系统优化经验，个人技术成长空间广阔。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、JAX、CUDA、Triton、TVM、MLIR、LLM、GPGPU
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，底层研发岗位通常需要投入较多精力进行技术攻坚。
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
85较高
致力于国产GPGPU生态建设，推动AI框架在国产算力上的落地，具有较高的行业价值与技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs