中科曙光
【2027】 研发工程师（AI方向）-西安(J14225)
【2027】 研发工程师（AI方向）-西安(J14225)
发布于 3 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
Cuda
Gpu
Pytorch
Sglang
Vllm
分布式训练
模型推理优化
高性能计算
值不值得投
71综合评分
综合评分 71
西安AI推理优化核心技术岗，技术成长性极高，但工作生活平衡及福利信息不明。
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
2万
比人工智能中位数低
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 320 个在招 · 其中人工智能 25 个
市场机会
选择适中
西安 · 人工智能 · 20 个在招
职位详情
关于这个职位
该职位是中科曙光在西安招聘的研发工程师，负责人工智能大模型推理框架的性能优化与部署工作
岗位分为两个方向：一是参与主流推理框架的适配、部署调优与性能瓶颈分析，二是进行核心计算算子（如GEMM、Attention）和分布式通信的深度优化
工作涉及GPU编程、内核优化及端到端性能验证
最低要求
硕士以上学历，计算机、人工智能、软件工程等相关专业优先
熟悉 C/C++ 或 Python，了解 PyTorch 或 Transformers 基础使用
熟悉 Linux、Docker，了解 Kubernetes 或容器化部署优先
理解主流大模型结构、推理流程、显存占用和 batch 机制
了解 CUDA、GPU 编程、并行计算或高性能计算基础
工作职责
两个方向：
方向一岗位职责：
参与 vLLM、SGLang、Transformers 等主流推理框架的版本升级、插件适配和镜像交付
支持模型上线、部署调参、压测验证和问题定位
分析 TTFT、TPOT、吞吐、显存占用和稳定性等推理性能瓶颈
参与 KV Cache、batching、并发调度、模型加载等关键链路优化
沉淀模型部署最佳实践、适配文档和问题解决方案
方向二岗位职责：
参与 GEMM、Attention、MoE、量化/反量化等核心算子的性能分析与优化
分析 AllReduce、AllGather、All-to-All 等分布式通信开销
参与 kernel fusion、算子调度、编译优化和硬件特性适配
使用 profiler 工具定位 GPU kernel、显存访问、通信链路等性能瓶颈
配合框架和部署团队完成端到端性能优化验证
AI 洞察
优缺点分析
优点
- 技术深度高，直接接触大模型推理优化的前沿问题，能快速提升在GPU高性能计算领域的专业能力
- 工作成果对业务影响直接，性能提升能显著降低计算成本、提升产品竞争力
- 公司（中科曙光）在高性能计算领域有深厚积累，平台资源与技术氛围较好
- 优化工作需要对底层系统（内核、通信、显存）有深刻理解，问题排查与定位复杂度高
- 适合对系统性能优化有浓厚兴趣，具备扎实计算机底层知识（操作系统、体系结构、并行计算），并乐于通过代码极致压榨硬件潜力的计算机相关专业硕士及以上学历求职者
缺点 / 挑战
- 技术挑战大，需要持续跟进大模型与硬件技术的快速迭代，学习压力持续存在
- 岗位要求对性能有极致追求，可能存在因追求极致优化而导致的工作压力
角色解读
- 技术专家路线：深耕AI推理性能优化领域，成为特定技术栈（如CUDA、推理框架）的资深专家或架构师
- 全栈AI系统路线：向更广泛的AI平台、训练优化或AI编译器方向发展
- 技术管理路线：在积累深厚技术经验后，可转向技术团队管理或项目管理岗位
- 负责大模型推理框架（如vLLM、SGLang）的性能分析与优化，提升模型部署效率与推理速度
- 参与GPU核心算子（如GEMM、Attention）及分布式通信链路的深度优化，解决底层性能瓶颈
- 进行模型上线、压测验证与问题定位，将优化成果固化为文档与最佳实践
- 扎实的编程基础，熟练使用C/C++或Python进行系统级或算法开发
- 深入理解GPU架构与CUDA编程，具备性能分析与优化经验（如使用Nsight等工具）
- 熟悉主流深度学习框架（PyTorch）和大模型推理流程，理解显存管理与并行计算原理
申请策略
- 研究中科曙光在AI算力、服务器硬件方面的产品与解决方案，思考该岗位工作如何与之结合
- 在面试中展现解决复杂性能问题的思路，可以准备一个过往优化项目的案例，清晰阐述分析、定位、解决的过程
- 重点突出C/C++或Python项目经验，特别是涉及性能优化、多线程/并行计算的项目
- 详细描述使用CUDA/OpenCL进行GPU编程，或使用Profiler工具进行性能分析的实践经历
- 列举使用过的大模型框架（如PyTorch）或推理引擎，以及参与过的模型部署、优化项目
- 强调对Linux系统、Docker/Kubernetes等云原生技术的熟悉程度
- 系统复习CUDA编程模型、GPU内存层级与并行编程范式，通过编写小Demo实践kernel开发
- 学习并实际使用主流的大模型推理框架（如vLLM），阅读其源码，尝试进行简单的性能分析或修改
面试指南
- 采用STAR法则（情境、任务、行动、结果）清晰讲述项目经历，突出你的技术决策和量化成果
- 对于概念性问题，从原理出发（如算法原理、硬件原理），结合实际场景（如推理流程）进行阐述，展示深度理解
- 对于开放性问题（如分析思路），展现结构化思维：先明确问题现象和指标，再分层（框架层、算子层、硬件层）分析可能原因，最后提出验证与优化方案
- 请介绍一个你做过的最深入的性能优化项目，遇到的最大挑战是什么？如何解决的？
- 解释一下大模型推理过程中的KV Cache机制，以及它对显存和性能的影响
- 如果让你分析一个Transformer模型的推理性能瓶颈，你会使用哪些工具和方法？思路是什么？
- 如何理解AllReduce在分布式训练/推理中的作用？有哪些优化方法？
- 你对当前主流的大模型推理框架（如vLLM、TGI）有哪些了解？它们各自的特点是什么？
职位点评
薪资福利70
成长发展90
工作生活45
使命价值75
薪资福利
70中等
薪资处于西安市场中上水平，但JD未明确薪酬福利细节，补偿性动机满足程度中等。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
90较高
岗位聚焦大模型推理优化前沿技术栈，技术深度和挑战性高，为个人在高性能计算和AI系统领域提供了极佳的成长平台。
技术前沿前沿/新兴技术
技术栈vLLM、SGLang、PyTorch、CUDA、GPU、分布式通信
业务类型profit_center
工作生活
45较低
JD未提及工作模式、加班或WLB相关信息，无法判断。办公地点在西安高新区，属于主流科技园区，但具体通勤情况未知。
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
75中等
从事AI大模型性能优化工作，对推动AI应用落地和国产算力发展具有直接价值，但JD未明确阐述社会或行业使命。
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
中科曙光 的其他在招职位
相似职位推荐
Watch Jobs