中科曙光
【2027】软件研发工程师-AI Infra研发-天津(J14140)
【2027】软件研发工程师-AI Infra研发-天津(J14140)
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人工智能
人工智能
Cuda
Kvcache
分布式系统
大模型推理
性能优化
值不值得投
73综合评分
综合评分 73
AI Infra前沿技术岗，技术成长性高，但工作生活平衡与补偿信息不够明确。
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
2万
与人工智能中位数基本持平
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 · 其中人工智能 42 个
市场机会
选择适中
天津 · 人工智能 · 26 个在招
职位详情
关于这个职位
作为中科曙光AI Infra团队的软件研发工程师，你将深度参与大模型推理场景下的核心优化工作，特别是KVCache机制的设计与开发
你的工作将直接影响AI推理框架的效率与资源利用率，并与算法、存储等团队协作，推动前沿AI能力的落地
最低要求
基本要求：
计算机科学、软件工程、人工智能、电子信息等相关专业
具备扎实的数据结构、算法、操作系统、计算机网络基础
熟悉Python、Java、C++、Go中至少一种编程语言
对AI基础设施、分布式系统或高性能计算有较强兴趣
具备良好的学习能力、分析问题能力和团队协作意识
工作职责
岗位职责：
参与大模型推理场景下KVCache机制的调研、设计与开发
协助优化KVCache的存储、读取与淘汰策略，提升推理效率与资源利用率
参与AI推理框架与分布式存储系统的联调与性能分析
协助定位系统性能瓶颈，包括显存、内存、网络与IO等方面的问题
跟踪Transformer、推理加速、缓存管理等方向的前沿技术，并参与技术验证与原型开发
与算法、AI Infra、存储等团队协作，共同推动大模型推理能力落地
优先资格
加分项（满足以下任一项即可）：
了解Transformer、Attention、KVCache等大模型推理相关概念
使用过PyTorch、TensorFlow等深度学习框架进行模型训练或推理实验
了解Linux、Docker、Kubernetes等基础设施技术
有CUDA、GPU编程、并行计算或HPC相关课程/项目经历
参与过开源项目、科研项目、算法竞赛、系统类课程设计等实践活动
AI 洞察
优缺点分析
优点
- 工作内容横跨算法、系统和存储，能培养全面的技术视野和解决复杂问题的能力
- 处于AI Infra这一关键赛道，技术积累对未来职业发展（如转向架构师、技术管理）有长期价值
- 技术难度高，需要同时理解AI算法逻辑和底层系统原理，并对性能有极致追求
- 作为基础研发岗位，项目成果的转化和体现可能需要较长的周期
- 需要持续跟踪快速迭代的AI技术，保持高强度的学习状态
缺点 / 挑战
- 深度参与AI大模型落地的核心技术挑战，技术含金量高，能快速积累前沿系统经验
- 适合对计算机系统底层有热情，乐于挖掘和解决性能瓶颈问题，且希望深耕AI基础设施方向的求职者
角色解读
- 技术深耕路线：成为AI Infra或分布式系统领域的技术专家，攻克核心性能难题
- 架构设计路线：主导设计下一代AI推理平台或大规模数据处理系统的整体架构
- 行业影响路线：参与开源项目或行业标准制定，在AI基础设施领域建立个人技术影响力
- 负责大模型推理核心组件（如KVCache）的算法设计与系统实现，直接提升AI服务的响应速度和吞吐量
- 深度分析AI推理全链路性能瓶颈（从GPU显存到网络IO），通过软硬件协同优化释放系统潜力
- 跟踪并验证AI Infra领域（如推理框架、缓存管理、异构计算）的最新技术，将其转化为可用的工程能力
- 精通至少一门系统级编程语言（如C++、Go），并具备扎实的数据结构与算法功底
- 深入理解操作系统、计算机网络及分布式系统原理，能处理复杂的系统级问题
- 对AI推理流程、Transformer架构或高性能计算（HPC/GPU编程）有浓厚兴趣和一定基础
申请策略
- 仔细研究中科曙光在高性能计算和AI基础设施领域的产品与技术布局，在面试中展示你的理解
- 准备一个你解决过的最复杂的系统性能问题或算法优化案例，清晰阐述你的分析思路和解决方案
- 重点展示在分布式系统、高性能计算或AI框架方面的项目经验，突出解决具体性能问题的案例
- 强调编程语言（C++/Python/Go）的熟练度以及在操作系统、网络等系统基础知识上的扎实程度
- 如有参与开源项目、算法竞赛或系统类课题设计，需详细描述个人贡献和技术成果
- 系统学习或实践Transformer模型推理优化（如KVCache、量化、算子融合）的相关技术
- 提升CUDA/GPU编程能力，或深入了解Linux内核、容器技术（Docker/K8s）等基础架构知识
面试指南
- 对于技术概念问题（如KVCache），先阐述基本原理，再结合自己的理解或实践经验谈优化思路，体现系统性思考
- 对于项目经验问题，使用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的分析过程、技术选型和量化成果
- 对于开放性或架构性问题，先从整体架构、核心模块、关键指标（延迟、吞吐、成本）等维度进行框架性分析，再细化到具体技术点
- 请解释你对大模型推理中KVCache机制的理解，以及你认为有哪些可以优化的方向？
- 请描述一个你参与过的涉及系统性能调优的项目，你是如何定位和解决性能瓶颈的？
- 你对分布式存储系统与AI推理框架的结合有什么看法？可能面临哪些技术挑战？
- 如果你负责优化一个高并发的AI推理服务，你会从哪些方面进行分析和优化？
- 你最近关注了哪些AI Infra或推理加速方面的技术进展？请举例说明
职位点评
薪资福利65
成长发展90
工作生活60
使命价值80
薪资福利
65中等
职位薪资在天津地区具备一定竞争力，但JD未披露具体薪资范围和福利信息，稳定性取决于公司平台。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
90较高
该职位直接从事AI Infra前沿技术的研发，涉及分布式系统、性能优化、大模型推理等高价值领域，技术成长空间显著。
技术前沿前沿/新兴技术
技术栈KVCache、Transformer、PyTorch、TensorFlow、CUDA、Docker、Kubernetes
成长机会跟踪...前沿技术、参与技术验证与原型开发
业务类型profit_center
工作生活
60中等
JD未明确说明办公模式和工作时间，根据岗位性质和行业惯例，可能以现场办公为主，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
岗位处于人工智能和高性能计算这一高速增长赛道，致力于提升大模型推理效率，具有明确的技术推动价值。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动大模型推理能力落地
创新程度积极采用新技术
Watch Jobs