中科曙光
AI算法工程师(J10801)
AI算法工程师(J10801)
发布于 17 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Gpu优化
Tensorrt
推理引擎
算子融合
计算机体系结构
值不值得投
74综合评分
综合评分 74
高技术门槛的AI推理引擎优化岗，技术成长价值突出，但具体工作生活平衡与薪酬福利有待确认。
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
3万
与机器学习工程中位数基本持平
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 240 个在招
市场机会
选择适中
南京 · 机器学习工程 · 30 个在招
职位详情
关于这个职位
该职位负责AI推理引擎的开发与优化，涉及基于GPU和专用推理芯片的性能提升
要求熟悉计算机体系结构、Linux系统，并掌握TensorRT等推理工具及图优化、算子融合等优化方法
适合对深度学习性能优化有热情的工程师
最低要求
熟悉计算机体系结构，了解现代计算机体系
熟悉linux系统
了解至少一种人工智能行业应用，如视频处理，人脸检测等
熟悉使用常用推理引擎，如TensorRT/OpenCV/TVM等等，并对其中至少一种的实现方式有所了解
了解常用的推理引擎性能优化方法，图优化/算子融合等
阅读及实现英文文献能力
对深度学习性能优化有浓厚的兴趣，有很强的学习能力
工作职责
基于GPU的推理引擎开发及优化
结合用户人工智能推理应用基于专用推理芯片进行优化与实现
追踪业界常用的推理引擎特性及性能优化方法
AI 洞察
优缺点分析
优点
- 行业前景好：AI推理需求随大模型应用爆发而急剧增长，相关优化人才稀缺
- 贴近硬件：有机会直接与GPU、专用芯片等底层硬件打交道，技术栈扎实
- 技术难度高：需要同时理解算法、编译器、硬件架构等多个领域，知识门槛高
- 技术迭代快：需要持续跟踪和学习GPU新架构、新推理引擎技术，保持知识更新
- 适合对计算机底层系统有浓厚兴趣，不满足于仅调用API，希望深入理解并“榨干”硬件性能的AI工程师或系统软件工程师
缺点 / 挑战
- 技术深度深：工作聚焦于AI落地的性能瓶颈，能积累宝贵的系统级优化经验
- 优化工作挑战大：性能提升往往依赖于毫秒级的细节打磨，对耐心和细致要求高
角色解读
- 技术专家路线：深耕AI编译与运行时优化，成为推理引擎或异构计算领域的架构师
- 横向扩展路线：从推理优化扩展到AI训练框架、芯片协同设计或MLOps平台建设
- 技术管理路线：带领优化团队，负责芯片或AI平台整体性能战略规划
- 设计和开发高性能的AI推理引擎，专注于将深度学习模型在GPU或专用芯片上高效运行
- 对现有推理引擎进行性能分析和优化，通过图优化、算子融合等技术降低延迟、提升吞吐量
- 追踪业界最新技术动态，并将前沿的优化方案落地到实际产品或应用中
- 解决客户在人工智能推理部署中遇到的具体性能问题
- 深入的计算机体系结构知识，理解GPU、CPU及专用芯片的架构特点
- 熟练使用Linux操作系统及相关的开发、调试工具
- 精通至少一种主流推理引擎（如TensorRT, TVM, OpenVINO）的原理与实践
- 具备深度学习性能分析和优化实战经验，了解模型压缩、量化等技术
申请策略
- 了解中科曙光在服务器、HPC以及国产芯片（如海光、海光DCU）领域的业务布局，这与岗位息息相关
- 在面试前，可以针对JD提到的具体优化方法（如图优化、算子融合）准备自己的理解或相关实践经验
- 表现出强烈的好奇心和学习能力，这与JD末尾的要求高度契合
- 突出任何与GPU编程（CUDA/OpenCL）、推理框架（TensorRT/ONNX Runtime/TVM）相关的项目经验
- 展示对性能优化的理解：例如描述如何通过优化将模型推理延迟降低X%的具体案例
- 强调阅读英文论文并实现相关算法的能力，这是技术深度的重要证明
- 列出对计算机体系结构（如缓存、内存层次、指令流水线）的学习或实践
- 系统学习GPU编程与架构知识，例如通过NVIDIA官方的CUDA培训课程
面试指南
- 对于技术原理题，采用“定义-作用-实现细节”的结构，例如先说明什么是算子融合，再解释它如何减少内核启动开销和内存访问，最后提及不同框架中的实现差异
- 对于优化思路题，遵循“分析-定位-方案-验证”的闭环
- 先强调profiling和基准测试的重要性，再描述可能的优化方向，最后说明如何量化优化效果
- 回答时尽量关联个人项目经验，用具体数据和案例支撑你的观点，展现实战能力
- 请描述一下TensorRT进行网络优化的主要步骤，其中哪些环节对性能提升最关键？
- 如何分析一个深度学习模型在GPU上的性能瓶颈（例如是计算密集还是访存密集）？
- 请解释什么是算子融合（Operator Fusion），并举例说明其对性能的好处
- 如果让你优化一个给定的CNN模型在特定芯片上的推理速度，你的整体思路是什么？
职位点评
薪资福利70
成长发展90
工作生活55
使命价值80
薪资福利
70中等
岗位属于高技术门槛的AI基础设施领域，市场薪酬具有一定竞争力，但JD未明确提及薪资福利，具体待遇需在后续沟通中确认。
薪资信号未披露（AI估算：2千–4万/月）
成长发展
90较高
该职位聚焦于AI落地的核心性能环节，技术深度极高，涉及硬件、编译器、算法多个层面，是技术能力快速深化和拓宽的绝佳机会。
技术前沿前沿/新兴技术
技术栈TensorRT、OpenCV、TVM、GPU、推理引擎、算子融合、图优化
成长机会追踪业界常用的推理引擎特性及性能优化方法
业务类型ambiguous
工作生活
55较低
工作模式未明确说明，但根据岗位性质（硬件协同开发、性能优化）和公司类型，现场办公的可能性极高。具体工作节奏和WLB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
80较高
该工作直接服务于AI应用落地的最后一公里，通过性能优化让AI技术更快、更高效地服务于实际场景，具有明确的技术价值和社会应用价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号结合用户人工智能推理应用基于专用推理芯片进行优化与实现
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