【2027】算力优化师（AI方向）-郑州(J14220)

优缺点分析

角色解读

• 技术专家路线：深耕AI系统性能领域，成为推理框架、GPU优化或MLOps方向的技术专家
• 工程管理路线：在掌握技术的基础上，逐步承担测试团队或性能优化项目的管理职责
• 跨领域拓展：将性能优化能力拓展至更广泛的分布式系统、异构计算或芯片适配领域
• 负责AI模型（尤其是大语言模型）在GPU硬件上的性能基准测试设计与执行
• 构建并维护关键的性能指标（如首token延迟、每token延迟、吞吐量），通过profiler工具进行深度数据分析
• 参与自动化测试流水线（CI/CD）建设，通过质量门禁确保软件版本的性能与稳定性
• 跟踪并分析性能缺陷，建立知识库，推动问题解决和流程优化
• 具备扎实的Linux系统操作、Python脚本开发及基础数据分析能力
• 理解软件性能测试、自动化测试的核心概念，有CI/CD流程意识
• 对大模型推理、GPU计算架构、容器化技术有浓厚兴趣和一定的学习能力
• 出色的逻辑思维、细致严谨的工作态度以及优秀的文档撰写能力

申请策略

• 在求职信中，可以结合岗位职责，简要阐述你对AI性能测试的理解，或对未来工作的设想，展现主动思考
• 了解中科曙光在算力基础设施、曙光智算等方面的核心业务，将岗位工作与公司战略方向联系起来
• 突出与Linux、Python、自动化测试相关的项目经验，特别是涉及性能分析、CI/CD工具使用的经历
• 如果有使用过pytest、Jenkins、Prometheus/Grafana等工具，或了解vLLM/PyTorch等框架，务必在简历中明确列出
• 展示能体现逻辑严谨性和文档能力的项目或成果，如撰写过的测试报告、技术方案、分析文档等
• 系统学习GPU架构（如CUDA）、大模型推理原理（如vLLM的工作方式）及容器化技术（Docker/K8s）
• 动手实践：在个人电脑或云服务器上，尝试使用开源工具对一个简单的深度学习模型进行性能分析和优化

面试指南

• 对于原理类问题：先解释核心概念，再结合具体场景或案例说明其重要性和应用
• 对于方案设计类问题：遵循‘目标-指标-方法-工具-预期结果’的结构化思路进行阐述
• 对于实践类问题：使用STAR法则（情境-任务-行动-结果）来组织你的经历描述
• 请描述一下你对大语言模型推理性能指标（如TTFT, TPOT）的理解
• 如果让你为一个新的推理框架设计性能测试方案，你会考虑哪些维度和步骤？
• 你使用过哪些性能分析或监控工具（如profiler, Prometheus, Grafana）？请分享一个你用它们解决实际问题的例子
• 如何区分一个性能问题是软件（模型/框架）导致的还是硬件（GPU）导致的？
• 面对一个高并发的推理服务，你觉得系统瓶颈可能出现在哪里？你会如何定位？