中科曙光
【2027】AI框架研发工程师-郑州(J14463)
【2027】AI框架研发工程师-郑州(J14463)
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Cuda
Gpgpu
Jax
Llm
Pytorch
Tensorflow
Tvm
值不值得投
75综合评分
综合评分 75
国产算力生态核心研发岗，技术前沿且极具战略价值，适合追求技术深度的底层优化人才。
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
2.2万
比机器学习工程中位数低
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 · 其中机器学习工程 6 个
市场机会
选择不多
郑州 · 机器学习工程 · 4 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，并基于国产算力进行多领域大模型的端到端性能分析与优化
适合具备扎实C++/Python编程及CUDA开发经验，致力于国产算力生态建设的AI底层研发人才
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
- 处于国产算力与AI大模型爆发的交叉赛道，技术壁垒高，职业发展前景广阔
- 深度参与国产GPGPU生态建设，能够积累底层系统级优化的核心经验
- 硕士起点，技术栈前沿，有利于在AI基础设施领域建立长期竞争力
- 适合对计算机底层架构、GPU编程及AI框架有浓厚兴趣，且愿意投身国产算力生态建设的研发人才
缺点 / 挑战
- 国产GPGPU生态仍在完善中，可能面临文档不全、工具链不成熟等工程落地挑战
- 底层性能优化工作难度较大，需要持续跟踪前沿论文和框架更新，学习压力较高
角色解读
- 可成长为AI底层系统架构师或国产算力生态技术专家
- 在国产替代和信创大背景下，具备极高的行业稀缺性和职业护城河
- 负责PyTorch、TensorFlow等主流AI框架在国产GPGPU上的适配与系统级优化
- 基于国产算力进行大模型（LLM/VLM）及搜广推等多领域模型的端到端性能分析与优化
- 开发基于国产GPGPU的兼容能力及向量数据库等高性能组件
- 精通C++/Python编程，熟悉CUDA编程模型及GPU内存体系
- 深入理解至少一种主流AI框架（如PyTorch、Triton、JAX等）的底层机制
- 具备大模型训练或推理优化经验，了解算子优化或编译优化技术
申请策略
- 了解中科曙光在国产算力方面的战略布局，面试时展现对国产生态的认同感与技术热情
- 突出C++/Python及CUDA编程能力，展示在GPU内存体系或算子优化方面的具体项目
- 详细列出在PyTorch、Triton等框架的二次开发或性能调优经验，最好有量化指标（如性能提升百分比）
- 强调在LLM/VLM等大模型训练或推理优化方面的实际落地经验
- 深入学习Triton、TVM或MLIR等编译优化技术，提升图算优化能力
- 熟悉国产加速卡的架构特点及适配流程
面试指南
- STAR法则：情境（项目背景）- 任务（性能瓶颈/目标）- 行动（具体优化手段，如算子融合、内存复用、并行策略）- 结果（量化性能提升数据）
- 底层原理+工程实践：先阐述GPU架构或框架底层原理，再结合具体代码或工具说明工程实现细节
- 请详细描述一次你在PyTorch或CUDA中进行的算子优化或性能调优经历，遇到了什么瓶颈，如何解决的？
- 针对LLM的推理优化，你了解或实践过哪些加速技术（如KV Cache优化、FlashAttention、算子融合等）？
- 在将AI框架适配到非NVIDIA GPU（如国产GPGPU）时，你认为最大的技术挑战是什么？
- 请解释CUDA的内存层次结构，以及在不同内存层级间进行数据搬运时的优化策略
- 复习CUDA编程模型、GPU内存体系及主流AI框架（PyTorch/Triton）的底层执行机制
- 准备1-2个具有代表性的性能优化项目案例，确保能讲透技术细节和量化收益
职位点评
薪资福利70
成长发展90
工作生活50
使命价值85
薪资福利
70中等
AI底层研发岗位技术门槛高，在郑州当地属于高薪岗位，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：1.5千–2.8万/月）
成长发展
90较高
岗位涉及国产GPGPU适配、大模型优化及前沿AI框架开发，技术栈极具前沿性，能积累深厚的底层系统优化经验。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、JAX、CUDA、Triton、TVM、MLIR、LLM、VLM、GPGPU
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与加班情况，无法判断具体的工作强度与WLB状态。
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生态建设与AI框架适配，契合国家算力自主可控战略，具有较高的社会价值与使命感。
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
中科曙光 的其他在招职位
相似职位推荐
Watch Jobs