FAE工程师（AI方向）(J13434)

优缺点分析

角色解读

• 技术专家路线：深耕AI与高性能计算交叉领域，成为解决方案架构师或特定技术领域的专家
• 项目管理路线：凭借丰富的项目交付经验，转型为技术项目经理，负责更大型、更复杂的项目集
• 产品或售前路线：利用贴近客户的优势，转向产品经理或售前技术总监，参与定义下一代AI计算产品
• 作为客户现场的技术专家，解决AI集群部署、大模型训练推理环境搭建等复杂技术问题
• 负责从POC测试验证到最终交付的项目全流程技术保障，确保客户系统顺利上线运行
• 深度理解客户需求，将一线技术反馈转化为产品改进建议，连接客户与研发团队
• 总结项目经验，沉淀技术知识库，并对内对外进行技术培训
• 扎实的AI技术栈：精通Python，熟悉C/C++，掌握TensorFlow/PyTorch等主流框架，并有大模型训练或推理的实战经验
• 深厚的Linux和系统功底：熟练进行Linux系统调优、Shell脚本编写，并熟悉服务器、存储、高速网络等硬件组件
• 优秀的客户沟通与项目交付能力：能够清晰解释技术方案，独立完成项目部署调试，并适应频繁出差

申请策略

• 仔细研究中科曙光的产品线（如“智算中心”解决方案），了解其核心硬件（服务器、交换机、存储）和软件（调度系统、并行文件系统），在面试中展现你的了解
• 准备好描述一个你解决过的最复杂的技术问题，按照“问题-分析-方案-结果”的框架来组织，突出你的逻辑思维和实战能力
• 突出使用Python/C++进行AI相关开发或部署的具体项目经历，特别是涉及大模型、分布式训练或推理优化的案例
• 详细描述在Linux环境下，对服务器、存储或网络进行配置、调优或故障排查的经验，体现系统级能力
• 列举有客户支持、项目交付或POC测试经验，强调解决复杂技术问题和与人沟通的能力
• 如有相关技术认证（如RHCA、HCIE等）或开源项目贡献，可作为加分项列出
• 可系统学习高性能计算（HPC）的基础知识，如并行计算、MPI、主流集群作业调度系统（如Slurm），这对理解曙光产品线很重要
• 实践大模型（如LLM）的本地化部署与性能调优，熟悉模型压缩、量化、推理引擎（如TensorRT, vLLM）等工具

面试指南

• 对于技术实战题：使用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的技术决策过程和最终取得的量化成果
• 对于系统设计/排查题：展现清晰的逻辑层次，例如遵循“自顶向下”（从应用到系统）或“自底向上”（从硬件到软件）的排查方法，并说明每一步的依据
• 对于角色认知题：强调该岗位“技术+服务”的双重属性，核心是“解决客户问题、保障项目成功”，是连接客户与公司的关键纽带
• 请描述你搭建或优化过的最复杂的AI训练/推理环境，遇到了哪些挑战，是如何解决的？
• 你对Infiniband/RoCE高速网络有什么理解？在大规模AI训练中，网络性能瓶颈通常出现在哪里，有哪些优化思路？
• 如果客户现场的一个关键应用（如模型训练任务）突然变慢或失败，你的排查思路和步骤是什么？
• 在与客户沟通技术需求时，如何将客户的业务需求转化为具体的技术方案？请举例说明
• 你如何看待FAE工程师这个角色？它与研发工程师、售前工程师有什么主要区别？