荣耀
AI Infra性能优化高级工程师
AI Infra性能优化高级工程师
发布于 2 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
Ai模型部署
Onnx
Vllm
性能优化
推理加速
值不值得投
80综合评分
综合评分 80
AI大模型底层基础设施核心岗，技术前沿且壁垒高，薪资竞争力强，适合追求技术深度的极客。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
比算法优化工程师中位数高
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 320 个在招 · 其中算法优化工程师 22 个
市场机会
选择适中
西安 · 算法优化工程师 · 14 个在招
职位详情
关于这个职位
该职位主要负责AI模型在端侧和云侧设备上的部署、推理加速与性能优化，涉及多种硬件平台（如Intel、AMD、NVIDIA及国产信创平台）的适配
你需要运用Python和C/C++进行算子加速和框架开发，提升模型在不同处理器上的运行效率，并跟踪前沿技术推动产品落地
最低要求
计算机体系结构、电子工程、人工智能等相关专业本科及以上学历
具备扎实的编程基础，熟练使用Python，掌握C/C++等至少一种系统级开发语言，具备良好的数据结构与算法基础
熟悉模型推理与性能优化技术，在多级存储架构和调度算法、MOE模型性能优化技术、KV-Cache缓存优化技术等领域有实战经验
具备良好的问题分析与解决能力，能够独立开展技术研究与工程实现
工作职责
负责AI能力建设，开展AI模型在端/云侧设备上的部署、推理加速与性能优化工作
负责AI模型在Intel、AMD、NVIDIA，以及国产信创平台上的适配与优化，提升模型在不同硬件架构上的运行效率与资源利用率
负责AI算法在CPU/GPGPU/NPU等处理器上的计算性能优化与算子加速，持续提升端侧推理性能
参与AI模型部署与推理加速能力的平台化设计与开发，构建统一高效的模型部署与运行框架
跟踪AI推理优化与系统加速领域的前沿技术，在不同硬件平台上开展技术研究与创新，推动关键技术突破并落地到产品
优先资格
有端侧AI模型部署经验，熟悉ONNX、vLLM、SgLang、llama.cpp等推理框架
有CPU/GPGPU/NPU推理性能优化经验，了解算子优化、模型压缩或编译优化技术
有跨硬件平台AI开发经验，如Intel / AMD / NVIDIA等平台性能优化
有AI推理框架、系统平台或算子库开发经验
AI 洞察
优缺点分析
优点
- 处于AI大模型爆发的核心基础设施领域，技术壁垒高，行业前景广阔
- 能够接触到Intel、NVIDIA及国产信创等多种底层硬件，积累稀缺的跨平台优化经验
- 依托大型企业的平台资源，能够参与大规模、高并发的实际产品落地项目
- 技术迭代极快，需要持续跟踪AI推理优化与系统加速领域的前沿论文和新技术
- 跨硬件平台的适配与底层算子优化难度较大，对计算机体系结构的理解要求极高
- 适合具备扎实C/C++底层开发能力、对计算机体系结构有深入理解，且热衷于AI大模型推理加速与性能调优的技术极客
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可发展为AI Infra领域的资深技术专家或首席科学家，主导底层架构设计
- 横向可向AI系统架构师或技术管理岗转型，负责整体AI平台的规划与团队建设
- 负责AI模型在端侧和云侧设备上的部署、推理加速与性能优化，提升运行效率
- 在Intel、AMD、NVIDIA及国产信创等多种硬件平台上进行模型适配与算子加速
- 参与AI模型部署与推理加速框架的平台化设计，跟踪前沿技术并推动落地
- 精通Python和C/C++，具备扎实的数据结构与算法基础
- 深入理解模型推理与性能优化技术，如多级存储架构、MOE模型优化、KV-Cache等
- 熟悉主流推理框架（如vLLM、ONNX）及跨硬件平台的性能调优经验
申请策略
- 提前了解荣耀在AI大模型及端侧AI方面的战略布局，面试时结合公司业务场景阐述优化思路
- 突出在CPU/GPGPU/NPU等处理器上的算子优化、模型压缩或编译优化的具体项目经验与性能提升指标
- 详细列举使用vLLM、SgLang、llama.cpp等推理框架进行端侧或云侧模型部署的实战经历
- 强调在多级存储架构、MOE模型优化或KV-Cache缓存优化等前沿领域的深入研究与落地成果
- 深入学习CUDA编程及主流AI编译框架（如TVM、MLIR），提升底层算子开发能力
- 关注大模型推理优化的最新进展，如PagedAttention、FlashAttention等核心技术的实现原理
面试指南
- STAR法则：针对性能优化问题，按照情境（硬件/模型限制）、任务（优化目标）、行动（具体优化手段如算子重写/内存复用）、结果（具体性能提升数据）来回答
- 原理+实践：先阐述底层技术原理（如显存带宽瓶颈、计算图优化），再结合具体项目说明如何应用这些原理解决实际问题
- 请详细描述你在MOE模型或KV-Cache缓存优化方面的实战经验，具体提升了多少推理性能？
- 在跨硬件平台（如NVIDIA与国产NPU）进行模型适配时，你遇到过哪些最大的挑战，是如何解决的？
- 请解释一下vLLM中PagedAttention的核心原理，以及它在显存管理上的优势
- 针对端侧设备的算力限制，你会采用哪些模型压缩或量化技术来保证推理速度？
- 复习计算机体系结构、CUDA编程基础，以及主流大模型推理框架的源码和核心优化点
- 准备2-3个自己主导的、具有显著性能提升指标的深度优化项目案例，并准备好应对技术细节的深挖
职位点评
薪资福利85
成长发展90
工作生活60
使命价值80
薪资福利
85较高
AI Infra高级岗位技术壁垒高，在西安属于稀缺的高薪技术岗，薪资竞争力强。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
处于AI大模型底层核心技术领域，技术前沿性极强，能积累深厚的底层系统优化经验。
技术前沿前沿/新兴技术
技术栈Python、C/C++、vLLM、SgLang、llama.cpp、ONNX、MOE、KV-Cache
业务类型profit_center
工作生活
60中等
JD未提及工作模式与加班情况，无法准确评估工作生活平衡状态。
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大模型基础设施是当前科技领域的核心方向，推动国产信创平台适配具有较高的行业价值与技术使命感。
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
荣耀 的其他在招职位
相似职位推荐
Watch Jobs