中科曙光
资深优化专家（郑州）(J13672)
资深优化专家（郑州）(J13672)
发布于 1 天前普通员工/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
Cuda
Gpu优化
Pytorch
Tensorflow
大语言模型
并行计算
性能优化
深度学习
算子开发
值不值得投
74综合评分
综合评分 74
技术深度高、成长性强，但薪资福利需面试确认，工作模式未明确。
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
比算法优化工程师中位数低
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 · 其中算法优化工程师 3 个
市场机会
选择不多
郑州 · 算法优化工程师 · 1 个在招
职位详情
关于这个职位
该职位负责研发高性能芯片基础软件栈，优化大语言模型、计算机视觉等AI模型的推理和训练性能，涉及GPU架构上的并行算法开发与调优，提升科学计算和AI应用的执行效率
最低要求
熟悉 C++编程，了解常用数据结构及算法
熟悉线性代数，科学计算，机器学习，深度学习，AI算法等一个或多个领域
熟悉 GPU 或 AI加速芯片的体系结构，有过在不同架构芯片上的算法调优经验
熟悉并行算法优化的基本技巧，有对算法性能进行分析和优化的经验
熟悉计算机体系结构，操作系统
工作职责
研发高质量的芯片基础软件栈，包括支撑大语言模型在内的深度学习，线性代数，科学计算，信号处理等方向的基础加速库
分析重要的性能指标，调优已有软件算法，并且对未来的软件进行优化和提升
对大语言模型，CV模型，语音模型，推荐系统，科学计算和其他相关并行算法领域进行分析和优化
负责 AI模型推理/训练的端到端性能整体优化
实现AI/科学计算领域在GPGPU上的算法和实践
参与主流大模型（DeepSeek、通义、LLaMA等）的推理算子开发和优化，提高大模型推理性能
参与W8A8 等量化算法的研究和相应高性能算子开发
参与投机采样、MTP、专家负载均衡、计算/通信 Overlap 等创新推理优化特性的研发
优先资格
以下情况优先：（1）GPU的编程和优化经验，e.g. CUDA or OpenCL，有过类CUDA生态的底层计算库（cuBLAS/cuDNN/cuFFT/cuSOLVER等）的开发经验，或者对这些计算库的构成和使用非常熟悉
（2）有过机器学习方面的开发经验，尤其是深度学习，熟悉Tensorflow, Pytorch, TensorRT等框架/引擎的原理和使用方法
（3）熟悉convolution、GEMM、Attention等计算密集型运算的典型算法，有过实际开发经验优先，有过视觉/大语言模型的开发和调优经验，熟悉CNN/Transformer等网络的性能瓶颈和优化方向，能够把握相关领域的国际前沿发展趋势
（4）有过数据科学，统计科学，图像处理，信号处理等方面的开发和优化经历
（5）有软硬件协同优化、基于异构硬件的软件开发经验者优先
（6）具备 NPU/GPU 等 AI 加速器的性能调优经验，熟悉内存优化、算子融合等技术
熟悉 AI 推理框架，有模型部署和优化实战经验
（7）参与过 Triton、MLIR、IREE、XLA、TVM、TorchInductor 等编译器的开发，或在 GitHub 提交过相关 PR
AI 洞察
优缺点分析
优点
- 技术深度高，直接参与大模型优化等前沿AI计算领域，技能积累价值大
- 公司为中科曙光，是国内高性能计算领域领先企业，平台资源丰富
- 工作涉及软硬件协同，能全面提升系统级优化能力，职业发展前景广阔
- 郑州地区高性能计算岗位竞争可能加剧，需保持技术领先性
- 适合对高性能计算和AI优化有浓厚兴趣，具备扎实编程基础和硬件知识，追求技术深度成长的技术人才
缺点 / 挑战
- 技术难度高，需要持续跟踪芯片架构和AI算法最新进展，学习压力较大
- 优化工作可能涉及重复性调试和性能指标分析，对耐心和细致度要求高
角色解读
- 技术深耕方向：成为AI计算性能优化专家或系统架构师，主导复杂项目
- 管理方向：积累经验后可转向技术团队管理或项目负责人角色
- 行业拓展：向芯片设计、编译器开发等更底层技术领域扩展，提升综合竞争力
- 研发高性能芯片基础软件栈，为AI和科学计算提供底层加速支持
- 分析并优化大语言模型、计算机视觉等AI模型的推理和训练性能
- 参与GPU算子开发、量化算法研究等前沿技术实现
- 精通C++编程和常用数据结构算法，具备扎实的软件开发基础
- 熟悉GPU体系结构和并行计算优化技巧，有实际性能调优经验
- 掌握机器学习、深度学习原理，了解AI框架如TensorFlow、PyTorch
- 具备算法分析能力，能针对计算密集型运算进行深度优化
申请策略
- 提前了解中科曙光在高性能计算和AI芯片领域的产品布局
- 准备面试时展示技术博客或开源贡献，证明对优化领域的热情
- 突出C++和GPU/并行计算优化项目经验，量化性能提升成果
- 展示AI模型推理/训练优化案例，强调对大语言模型或CV模型的处理能力
- 列出熟悉的技术栈如CUDA、TensorRT、TVM等，并描述应用场景
- 深入学习CUDA编程和最新AI推理框架，如Triton、MLIR等编译器技术
- 研究芯片体系结构和内存优化技术，提升软硬件协同设计能力
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答，突出具体技术细节和量化效果
- 从问题分析、方案选择、实现挑战、性能对比等角度展开，展示系统思维
- 结合实际项目经验，说明对硬件特性、算法原理的深入理解
- 描述一个你优化过的AI模型推理性能案例，具体遇到了哪些瓶颈？如何解决？
- 如何优化GEMM运算在GPU上的性能？可以讨论哪些技术细节？
- 大语言模型推理中，计算和通信重叠是如何实现的？
- 你熟悉哪些AI推理框架？它们在性能优化上有何异同？
- 如何评估和调优并行算法在异构硬件上的效率？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值80
薪资福利
70中等
JD未明确提及薪资和福利，具体薪酬福利需在面试时与HR确认。
薪资信号未披露（AI估算：2千–4万/月）
成长发展
85较高
职位涉及前沿AI计算优化，技术深度高，能提供显著的技能成长和行业知识积累。
技术前沿前沿/新兴技术
技术栈C++、CUDA、GPU、深度学习、大语言模型、算子开发、Triton、MLIR
业务类型profit_center
工作生活
60中等
JD未提及工作模式、弹性办公或WLB相关信息，办公灵活性和工作强度未知。
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
80较高
AI和高性能计算属于高速增长赛道，技术优化能直接提升计算效率，具有行业前沿价值。
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