中科曙光
【2027】应用工程师（AI方向）-武汉(J14219)
【2027】应用工程师（AI方向）-武汉(J14219)
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Gpu/Cuda
Pytorch
分布式系统
性能分析
问题排查
高性能计算 (Hpc)
值不值得投
72综合评分
综合评分 72
技术驱动型校招岗，聚焦AI/HPC性能优化与支持，成长性强但WLB信号不明。
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
1.5万
比人工智能中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
84 个在招 · 其中人工智能 2 个
市场机会
选择适中
武汉 · 人工智能 · 17 个在招
职位详情
关于这个职位
该岗位是中科曙光面向2027届应届生的AI应用工程师，主要负责在AI行业应用和高性能计算（HPC）场景下，为用户提供技术支持
你需要解决用户在使用集群、平台和AI工具链时遇到的技术问题，参与性能调优与问题排查，并协助沉淀技术文档和最佳实践
最低要求
计算机、人工智能、软件工程、自动化、数学等相关专业，硕士优先
熟悉 Linux、Python 或 Shell，具备基本的问题排查、脚本开发和数据分析能力
理解 AI 应用、模型训练/推理、高性能计算或分布式系统基础概念
了解常见性能指标，如吞吐、延迟、资源利用率、显存/内存占用和稳定性等
具备良好的沟通能力、服务意识和文档沉淀能力，能够推动问题从发现到闭环
工作职责
面向 AI 行业应用和高性能计算场景，支持用户在使用集群、平台、模型和工具链过程中遇到的技术问题
参与用户应用、训练/推理任务、系统环境和平台组件的调试，协助定位功能、性能和稳定性问题
梳理客户训练、推理和行业应用场景，沉淀 SLA、功能验证、性能测试和使用体验需求
基于 profiling、日志、监控和压测数据，分析应用性能瓶颈，输出评估报告、优化建议和问题复盘
参与高性能计算集群用户环境、应用适配工具、FAQ、workaround 和知识库的建设与维护
优先资格
使用过 PyTorch、Transformers、vLLM、SGLang、DeepSpeed、Slurm、Kubernetes 等框架或平台
了解 GPU、CUDA、NCCL、MPI、存储和网络等集群基础组件
有 AI 应用开发、模型部署、性能分析、HPC 集群使用或开源项目经验
AI 洞察
优缺点分析
优点
- 技术栈前沿，能深度接触和实战AI框架、GPU集群、大规模计算等热门技术
- 能快速提升解决复杂系统问题的能力，积累宝贵的AI工程化和性能调优经验
- 依托中科院背景，在高性能计算和国产算力领域有独特的平台和技术积累
- 适合对AI底层技术（系统、框架、性能）有浓厚兴趣，喜欢钻研技术原理并解决实际问题，同时具备良好服务意识和团队协作精神的应届毕业生
缺点 / 挑战
- 需要持续学习快速迭代的AI新技术和框架，技术压力较大
- 作为支持角色，可能面临紧急问题排查的压力，对沟通协调和抗压能力要求高
角色解读
- 技术深度路径：可成为AI应用性能优化专家或HPC领域解决方案架构师
- 广度拓展路径：可转向AI平台研发、MLOps或技术售前/售后顾问等方向
- 作为AI和HPC平台的'技术医生'，帮助用户解决在模型训练、推理和系统使用中遇到的各类技术难题
- 深入分析系统性能瓶颈，通过数据驱动的方式为用户提供优化方案，提升AI应用的效率和稳定性
- 连接用户需求与内部研发，将一线的问题和场景转化为产品改进、文档和知识库，完善服务闭环
- 需要掌握Linux系统运维和Python/Shell脚本开发，这是日常问题排查和数据分析的基础
- 必须理解AI模型（训练/推理）流程和HPC/分布式系统概念，才能定位复杂问题
- 需要具备性能分析能力（如profiling、监控）和良好的沟通文档能力，以推动问题解决
申请策略
- 在简历和面试中，展现出你对技术原理的好奇心和快速学习能力，而不仅仅是会使用工具
- 可以研究中科曙光在HPC和AI算力方面的产品与解决方案，在面试中体现你对公司的了解和热情
- 重点突出与AI框架（如PyTorch）、分布式训练、Linux系统、性能分析相关的课程项目、实验或实习经历
- 用具体案例描述你如何排查、定位并解决一个技术问题的过程，展示你的分析和闭环能力
- 如有开源项目贡献、技术博客或在高性能计算相关的竞赛经历，会是显著加分项
- 可提前实践使用PyTorch/TensorFlow进行模型训练，并了解基础的性能监控工具（如nvidia-smi, top）
- 学习Linux性能分析工具（如perf, strace）和Python科学计算/数据分析库（NumPy, Pandas）
- 阅读相关技术文档，了解Slurm、Kubernetes等集群调度管理的基本概念
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述解决问题的完整经历，突出你的分析方法和思考过程
- 采用结构化思维回答技术问题，例如从软硬件、网络、数据、算法等不同层面展开分析，展现系统化思维
- 结合原理和实践回答，先解释基本概念（如什么是梯度同步），再说明在实际场景中可能出现的问题和解决方案
- 请描述一个你调试过的复杂技术问题，你是如何定位原因并最终解决的？
- 当用户报告一个AI模型训练速度变慢时，你会从哪些方面进行排查和分析？
- 请解释一下什么是分布式训练中的通信瓶颈，以及可能有哪些优化思路？
- 你如何理解'高性能计算场景下的稳定性'？请举例说明
- 你对当前主流的AI推理加速框架（如vLLM）有什么了解？
职位点评
薪资福利65
成长发展85
工作生活55
使命价值78
薪资福利
65中等
作为校招岗位，薪资水平需结合武汉当地市场判断。福利待遇未在JD中提及，可能为标准配置。
薪资信号市场水准 (1.2千–1.8万/月)
成长发展
85较高
岗位涉及AI和HPC前沿技术栈，技能要求高，能获得宝贵的系统级问题解决经验和性能优化能力，对技术成长极为有利。
技术前沿前沿/新兴技术
技术栈AI框架 (PyTorch, Transformers, vLLM)、高性能计算 (HPC)、GPU/CUDA、分布式训练 (DeepSpeed)、容器与集群 (Kubernetes, Slurm)
成长机会知识库的建设与维护
业务类型cost_center
工作生活
55较低
JD未明确办公模式与工作强度信息。作为技术支持类岗位，可能需要响应紧急问题，工作节奏可能存在不确定性。
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
78中等
岗位服务于AI行业应用和高性能计算，这两个都是支撑数字化转型和科技创新的基础性、高增长领域，具有明确的技术价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs