中科曙光
【2027】AI模型系统工程师-郑州(J14490)
【2027】AI模型系统工程师-郑州(J14490)
发布于 2 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
Deepspeed
Megatron
Pytorch Profiler
Sglang
Vllm
性能优化
值不值得投
83综合评分
综合评分 83
国产算力巨头核心研发岗，前沿大模型底层优化，技术壁垒极高，适合追求技术深度的硬核博士。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
4万
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 620 个在招 · 其中算法优化工程师 34 个
市场机会
选择不多
郑州 · 算法优化工程师 · 10 个在招
职位详情
关于这个职位
该职位主要负责AI大模型（如LLMs、多模态等）的性能分析与优化，结合自研芯片进行软硬协同设计，解决训练与推理过程中的计算、通信及I/O瓶颈
你需要开发自动化性能分析工具链，制定监控标准，并推动核心工程难题的解决，为AI集群设计提供关键数据支持
最低要求
学历要求：博士学历，人工智能/计算机科学与技术/电子工程/微电子等相关专业
技术能力：深入理解Transformer系列模型计算原理，了解Megatron、DeepSpeed、vLLM、SGLang等AI框架源码级特性
熟悉通用大语言模型、多模态大模型的整体算法架构、技术体系
全面理解AI全链条技术栈，如AI编译，算子，框架，模型应用等
熟练使用AI模型/芯片/集群相关的性能分析工具链，掌握MPI/NCCL通信协议性能调优方法
熟悉大模型混合并行策略（TP/PP/EP）及通信优化技术（如AllReduce算法改进）
具备软件与硬件结合的分析能力，可根据模型特性拆解对硬件系统的需求，通过软硬协同优化性能
具备脚本开发（Python/Bash）或自动化分析工具设计能力，分析模型性能瓶颈，提供优化方向
工作职责
分析AI模型性能特征：聚焦主流AI模型（如LLMs、多模态大模型、OCR、ASR等），从计算、通信、仿存、I/O四大维度进行模型分析，并结合硬件架构实现软硬协同，定位性能瓶颈，构建依托自研芯片的模型特征图谱
调研大模型上下游生态技术，包括训练框架、推理框架、评测工具等，筛选和建议适配自身业务优化方向的技术栈
收集不同客户针对不同模型的SLA/SLO要求，比对分析自身产品与主流产品的差异和优劣势，为性能优化提供建设性建议
优化方案设计：结合特征分析结果和硬件架构，提出针对模型训练/推理的计算加速、通信优化、I/O效率提升等优化方案，并推动落地验证
工具链开发与应用：构建自动化性能分析框架，集成PyTorch Profiler等性能分析测试工具，实现端到端的AI模型性能测试与根因定位
协助和推动研发解决训练不稳定、loss spike、幻觉、灾难性遗忘等核心工程难题
制定大模型推理性能、效果、稳定性监控标准，搭建可观测、可迭代的推理优化体系
技术输出：撰写性能分析报告与优化建议，为AI集群设计和优化提供关键数据支持
AI 洞察
优缺点分析
优点
- 处于AI大模型与算力基础设施的核心交叉领域，技术壁垒极高，个人不可替代性强
- 依托超大型上市企业的自研芯片与算力平台，能接触到顶尖的软硬件协同优化场景与海量资源
- 需要同时精通AI算法架构与底层硬件系统，学习曲线陡峭，技术难度极大
- 适合拥有计算机或微电子博士背景，对底层系统、编译原理及大模型训练推理机制有浓厚兴趣，且具备极强钻研精神的硬核技术人才
缺点 / 挑战
- 大模型技术迭代极快，需要持续跟进最新的框架特性与并行策略，知识更新压力较大
角色解读
- 可向AI系统架构师、大模型底层优化专家或AI集群技术负责人方向发展
- 在算力基础设施和软硬协同优化领域积累深厚壁垒，成为行业稀缺的复合型系统专家
- 深入分析主流AI大模型在计算、通信、内存和I/O维度的性能特征，精准定位系统瓶颈
- 结合自研芯片架构，设计并落地计算加速、通信优化等软硬协同方案，提升训练与推理效率
- 开发自动化性能分析工具链，解决训练不稳定等核心工程难题，为AI集群设计提供关键数据支持
- 深入理解Transformer原理及Megatron、DeepSpeed等主流框架的源码级特性
- 熟练掌握AI全链条技术栈（编译、算子、框架）及MPI/NCCL通信协议调优
- 具备软硬件协同分析能力与Python/Bash脚本开发能力，能独立设计自动化分析工具
申请策略
- 了解中科曙光在自研芯片及超算/智算中心领域的业务布局，面试时可结合其硬件特性探讨模型优化的切入点，展现对公司业务的深度思考
- 突出在Transformer模型优化、分布式训练框架源码阅读或二次开发方面的实际经验
- 展示在MPI/NCCL通信调优、混合并行策略或软硬件协同设计方面的具体项目成果与性能提升数据
- 深入研读vLLM、SGLang等最新推理框架的源码，掌握其底层调度与显存优化机制
- 补充AI编译器或底层算子开发的相关知识，拓宽全链条技术视野
面试指南
- 采用“背景-瓶颈分析-优化方案-落地收益”的STAR法则，重点突出量化收益
- 强调“软硬协同”思维，即不仅从算法/框架层面，还从底层硬件（如芯片架构、内存层级、通信拓扑）层面剖析问题并给出解决方案
- 请详细描述你在项目中如何定位并解决大模型训练或推理过程中的通信瓶颈？
- 针对Transformer模型，你是如何结合硬件架构进行计算与访存优化的？
- 请谈谈你对Megatron或DeepSpeed混合并行策略（TP/PP/EP）的理解及源码级优化经验
- 在构建自动化性能分析框架时，你如何集成PyTorch Profiler并实现端到端的根因定位？
- 复习分布式系统、计算机体系结构及大模型底层原理，准备1-2个自己主导的、具有显著性能提升数据的深度优化项目案例
- 了解中科曙光自研芯片的架构特点及国家超级计算郑州中心的相关背景
职位点评
薪资福利85
成长发展95
工作生活60
使命价值85
薪资福利
85较高
博士学历叠加AI底层优化稀缺技能，薪资在郑州当地极具竞争力，且上市企业提供稳定的福利保障。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
95较高
处于AI与算力基础设施的最前沿，能接触自研芯片与顶尖大模型生态，技术壁垒与个人成长空间极大。
技术前沿前沿/新兴技术
技术栈Transformer、Megatron、DeepSpeed、vLLM、SGLang、PyTorch Profiler、MPI/NCCL、TP/PP/EP
业务类型profit_center
工作生活
60中等
郑州生活成本相对较低，但核心底层研发岗位通常面临较高的技术攻坚压力，JD未明确提及WLB。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
致力于国产自研芯片与AI算力基础设施的建设，推动大模型技术落地，具有较高的产业价值与科技使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号依托自研芯片
创新程度开拓性创新（行业首创）
Watch Jobs