中科曙光
存储架构师（AI 方向）(J13547)
存储架构师（AI 方向）(J13547)
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存储技术
存储技术
Ai基础设施
Dpu
Nvme
Pytorch
Rdma
Tensorflow
分布式存储
存储架构
性能优化
值不值得投
69综合评分
综合评分 69
AI存储架构专家岗，技术前沿、挑战大、成长性强，薪资有竞争力但WLB信息不明。
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
4万
比存储技术中位数高
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 470 个在招 · 其中存储技术 5 个
市场机会
选择不多
西安 · 存储技术 · 4 个在招
职位详情
关于这个职位
作为中科曙光的核心技术专家，负责面向AI和高性能计算场景的存储系统架构设计与演进
该职位旨在解决大模型训练与推理中的数据I/O瓶颈，打造高性能、高扩展性且成本优化的AI基础设施底座，是技术深度与工程落地能力兼备的专家岗位
最低要求
基础经验： 计算机相关专业本科及以上学历，10 年以上存储领域工作经验，5 年以上 AI/HPC 存储架构经验
AI 业务理解：深度理解 AI 业务运行模式、特别是精通 AI 业务运行过程中如何使用存储设备和存储系统，深度理解 AI 业务尤其是推理流程中的 I/O 模型对存储分层的管理和调度，有实战解决“存储墙”问题的成功案例，有 RDMA 编程经验者优先
硬件视野： 熟悉最新的存储硬件趋势（如 NVMeSSD、智能网卡/DPU 等），能够通过软硬件协同设计提升存储效率和性价比
工作职责
AI 存储架构需求及架构定义： 负责 AI 业务下存储系统的整体架构需求细化和架构定义，结合 AI 业务提供业务数据布局、数据分层及流动优化策略
性能优化： 深入分析 AI 训练（如 Checkpoint 保存、数据加载）和推理场景（如 prefill，decode）的 I/O 特征，针对性地优化存储协议、系统接口、RDMA 工作机制和设计、缓存策略及数据排布，将 GPU 利用率提升至极致
技术攻坚： 重点主导解决推理场景中的存储容量和访存优化问题，优化推理场景下的临时数据和持久化数据的缓存和分层存储策略，降低推理任务中数据等待的时间占比以及提供高性价比的推理存储解决方案
生态融合： 对主流 AI 框架（如 TensorFlow、PyTorch）和数据编排框架有深入了解，能够设计和实现高性能的数据集加速和缓存方案
技术选型与落地： 负责与存储硬件（NVMe、持久内存、DPU）和 DMA(包括 RDMA)相关的协同工作场景定义及软件接口开发和调优
前沿探索： 跟踪存储前沿技术（如存算一体、DPU/SPARK 卸载、KVcache 设计及优化等），结合业务规划演进路径，保持技术的行业先进性
优先资格
加分项：
有 IC 设计开发背景，最好是参与设计过大规模存储业务芯片
有云原生存储（如 Rook， Longhorn）经验者优先
在国际顶会（FAST、FMS、OSDI 等）发表过论文或有相关专利者优先
AI 洞察
优缺点分析
优点
- 处于AI与高性能计算的交叉前沿，技术视野广阔，行业价值明确
- 公司为国内领先的高性能计算厂商，平台资源扎实，技术底蕴深厚
- 岗位技术门槛极高，需要同时精通存储、网络、AI框架和硬件，知识体系复杂
- 需持续跟进存储和AI技术的快速迭代，保持技术敏锐度与先进性
- 工作聚焦底层基础架构，成果感知周期可能较长，对耐心和系统性思维要求高
缺点 / 挑战
- 技术深度高，直面AI领域核心的“存储墙”挑战，能积累顶尖的架构设计与优化能力
- 适合拥有深厚存储技术功底，并对AI计算底层原理有强烈好奇心，享受解决高难度系统性能瓶颈问题的技术专家
角色解读
- 技术路线：可向首席存储架构师、AI基础设施技术专家或技术Fellow方向发展
- 领域拓展：从存储架构扩展至更广义的AI算力基础设施架构设计
- 技术管理：带领专项技术团队，负责AI存储产品线的规划与研发管理
- 设计与优化面向AI大模型训练和推理的存储系统架构，解决数据I/O瓶颈
- 深入分析AI业务的I/O特征，从协议、缓存、数据布局等多层面进行性能调优，提升GPU利用率
- 主导存储容量和访存优化技术攻坚，并跟踪存算一体等前沿技术，规划技术演进路径
- 精通存储系统架构设计与性能优化，有大规模分布式存储系统实战经验
- 深度理解AI业务流程（训练/推理）及其对存储的特殊要求，熟悉RDMA等高性能网络技术
- 熟悉NVMe、DPU等最新存储硬件，并具备软硬件协同设计能力
- 熟悉主流AI框架（TensorFlow/PyTorch）的数据存储与访问模式
申请策略
- 在求职信或面试中，明确表达对该岗位解决AI核心挑战（存储墙）的认同和自身技术热情
- 准备一份关于‘如何为LLM推理服务设计存储子系统’的思考框架，展现系统设计能力
- 突出10年以上存储系统开发或架构设计经验，特别是涉及大规模数据I/O、高性能网络（如RDMA）的项目
- 详细描述解决过具体的AI场景存储性能问题（如训练数据加载、推理缓存）的案例与量化成果
- 列举熟悉的存储硬件（NVMe SSD， DPU）、软件栈及对AI框架（PyTorch等）数据访问模式的理解
- 如有云原生存储（Rook/Longhorn）或顶会论文/专利经历，务必重点呈现
- 深入学习AI大模型训练/推理的具体流程，理解其对存储带宽、延迟、容量的特殊需求
- 研究RDMA编程（如libibverbs）及主流AI数据加载框架（如DALI、WebDataset）
面试指南
- 使用STAR法则（情境、任务、行动、结果）清晰陈述项目经历，量化性能提升
- 回答技术问题时，先阐述原理，再结合具体业务场景（训练/推理）说明设计取舍
- 对于前沿技术问题，可结合论文阅读和实践思考，阐述其潜力、挑战及与当前技术栈的融合路径
- 请描述一个你设计的存储架构，如何满足了特定AI训练/推理场景的性能需求？
- 在大模型推理场景中，临时数据和持久化数据在存储分层策略上有哪些关键区别？
- 你如何评估并选择一个存储协议（如NVMe-oF）或技术（如RDMA）来适配AI业务？
- 请解释“存储墙”问题，并结合一个具体案例，说明你如何优化I/O来缓解它
- 你对存算一体或DPU在存储领域的未来应用有何看法？
职位点评
薪资福利65
成长发展92
工作生活40
使命价值75
薪资福利
65中等
作为资深技术专家岗位，预计薪资在西安、成都地区具有竞争力，但JD未披露具体薪资与福利细节，补偿性满足程度中等。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
92较高
该岗位处于AI与存储技术的前沿交叉领域，技术挑战大，有明确的前沿探索职责，对技术深度成长和视野拓展极为有利。
技术前沿前沿/新兴技术
技术栈AI存储架构、RDMA、NVMe、DPU、KVcache、存算一体
成长机会前沿探索、保持技术的行业先进性、结合业务规划演进路径
业务类型profit_center
工作生活
40较低
JD未提及任何工作模式、办公地点类型或WLB相关信息，生活化动机满足程度无法判断，可能面临较高工作强度。
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
75中等
作为AI基础设施的核心技术岗位，对提升国内AI算力自主性有直接贡献，但社会影响力感知相对间接。
行业发展高速增长赛道
社会影响中性/一般
使命信号打造高性能、高扩展性、成本最优的 AI 基础设施底座
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