中科曙光
【2027】AI框架研发工程师-天津(J14435)
【2027】AI框架研发工程师-天津(J14435)
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算法优化工程师
算法优化工程师
Cuda
Gpgpu
Pytorch
国产化
大模型
性能分析
模型优化
编译优化
值不值得投
71综合评分
综合评分 71
国产AI系统软件岗，技术挑战大、产业意义强，天津地区机会，生活化保障一般。
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
比算法优化工程师中位数低
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 540 个在招 · 其中算法优化工程师 17 个
市场机会
选择不多
天津 · 算法优化工程师 · 7 个在招
职位详情
关于这个职位
本职位为中科曙光AI框架研发工程师，工作地点在天津
主要负责将PyTorch、TensorFlow、JAX等主流AI框架及其生态组件在公司自研的国产GPGPU上进行适配、开发与系统级性能优化，并深入进行多领域模型的端到端性能分析
同时，参与基于国产GPGPU的兼容能力开发及高性能组件研发，推动前沿AI框架技术在国产硬件上的工程落地
最低要求
计算机科学、电子工程、通信工程、信息科学或相关专业硕士及以上学历
熟悉 Linux 开发环境，熟悉主流人工智能框架及性能优化方法，掌握 C++ / Python 编程，熟悉 CUDA 编程模型及 GPU 执行与内存体系
熟悉至少一种主流AI框架，或具备相关开发与性能优化经验，包括但不限于pytorch、triton、torchtitan、tensorflow、jax、xla、iree等
具备 LLM/ VLM/搜广推等任意领域的训练或推理优化经验
工作职责
岗位职责（满足以下任意一方向）：
负责pytorch/TF/JAX及配套生态框架组件在国产GPGPU上的适配、开发与系统级优化
基于国产GPGPU进行多领域模型（如搜广推、视觉推理、模型训练等）的端到端性能分析及优化
负责基于国产GPGPU的兼容能力开发及高性能组件（如向量数据库等）研发
跟踪AI框架及场景的前言进展，依托国产GPGPU进行实际工程落地
优先资格
a.具备CPU、GPU算子优化经验，有并行计算相关背景者优先
b.具备TVM、MLIR、XLA、Triton等编译优化或图算优化经验者优先
c.具备国产加速卡相关经验者优先
d. 具备异构集群经验者优先
e.具备大模型优化经验者优先
AI 洞察
优缺点分析
优点
- 深度参与国产AI计算生态建设，拥有将技术转化为实际产业影响力的机会
- 中科曙光在高性能计算和国产化领域有深厚积累，能提供相关技术资源和项目背景
- 技术门槛高，需要同时精通软件框架和硬件特性，学习曲线陡峭
- 国产GPGPU生态与主流NVIDIA生态有差异，需要解决更多兼容性和适配问题
- 适合对AI系统底层优化有浓厚兴趣，具备扎实的编程和硬件基础，有耐心攻克技术难题，且看好国产算力技术方向的求职者
缺点 / 挑战
- 直面AI领域最核心的系统软件挑战，技术深度与前沿性兼备，能快速积累底层优化经验
- 工作目标多与性能指标强相关，可能面临持续的性能压测和优化压力
角色解读
- 技术专家路线：深耕AI系统软件与异构计算优化，成为国产AI软硬件生态的核心架构师
- 技术管理路线：带领小团队负责特定框架或模块的研发，向AI平台或系统部门负责人发展
- 横向拓展：从单一框架优化扩展到全栈AI计算栈（编译器、运行时、集群调度）的设计与开发
- 负责将主流AI框架（如PyTorch）适配到国产GPGPU硬件上，并进行系统级性能调优
- 深入分析模型在国产GPU上的性能瓶颈，并实施针对性优化，覆盖搜广推、视觉、大模型等多个领域
- 跟踪AI框架前沿技术，结合国产硬件特点进行工程化落地与验证
- 精深的CUDA编程与GPU体系结构知识，能进行底层算子开发与内存优化
- 熟练掌握至少一种主流AI框架（PyTorch/TensorFlow/JAX）的内部机制与性能分析工具
- 具备C++和Python的扎实编程能力，有跨系统、跨层次的软件开发经验
- 了解模型训练或推理优化（LLM/VLM等）的常见策略与挑战
申请策略
- 研究中科曙光在服务器、高性能计算及AI芯片方面的公开资料，了解其技术路线和产品特点
- 面试中准备好讨论如何分析一个模型的性能瓶颈，并提出具体的软硬件协同优化思路
- 详细描述使用CUDA/OpenCL进行GPU算子优化或性能调优的具体项目案例，量化性能提升效果
- 突出对PyTorch/TensorFlow/JAX等框架源码级的理解或贡献，例如自定义算子、性能剖析经验
- 如有LVM/LLM训练或推理加速经验，应重点阐述优化策略与成果
- 列举参与过的与异构计算、编译优化（如TVM/MLIR）或国产硬件相关的项目
- 系统性学习GPU体系结构与CUDA编程模型，可通过官方文档和实战项目深化
- 阅读并尝试贡献主流AI框架（如PyTorch）的性能优化相关代码或案例
面试指南
- 对于优化类问题，采用“问题描述-方法分析-结果量化”的结构回答，突出分析过程与数据支撑
- 对于技术原理类问题，先阐述标准概念，再结合实际场景或项目经验进行说明，展示理解深度
- 对于开放类问题，可以结合当前技术趋势（如大模型、国产化）与个人思考，展现格局与潜力
- 请介绍一个你过去进行的性能优化项目，你是如何定位瓶颈并提升性能的？
- 解释CUDA中的共享内存、全局内存以及它们的访问模式对性能的影响
- 如果你负责将一个新的AI算子适配到国产GPGPU上，你的大致步骤是什么？
- 你对PyTorch的Autograd机制或计算图优化有什么理解？
- 如何看待AI框架与硬件协同设计的重要性？以你的经验，主要难点在哪里？
职位点评
薪资福利70
成长发展80
工作生活50
使命价值85
薪资福利
70中等
该职位位于天津，生活成本相对一线城市较低，薪资在本地市场有竞争力，且为知名国企背景，能提供基本的稳定保障。
薪资信号市场水准 (1.5千–2.5万/月)
成长发展
80较高
该职位涉及AI框架底层与国产GPU前沿技术的结合，技术挑战性强，是积累系统软件与异构计算深度经验的宝贵机会，成长路径清晰。
技术前沿前沿/新兴技术
技术栈PyTorch、CUDA、GPGPU、性能优化、编译优化、TVM、MLIR
业务类型ambiguous
工作生活
50较低
JD未明确工作模式与办公地点细节，但研发类岗位通常需要现场办公，工作强度可能不低，WLB情况需具体了解。
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
85较高
岗位核心是推动国产AI算力生态建设，具有明确的产业战略价值，工作成果能直接服务于国家关键技术领域的发展。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号国产GPGPU、工程落地
创新程度积极采用新技术
Watch Jobs