传音
AI Infra工程师(J20352)
AI Infra工程师(J20352)
发布于 1 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
Ai Infra
Llm
大模型
性能调优
操作系统
智能网卡
计算机网络
值不值得投
76综合评分
综合评分 76
前沿AI Infra核心岗，技术壁垒高、成长空间大，薪资竞争力强，但技术挑战与压力较大。
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
比人工智能中位数低
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 780 个在招 · 其中人工智能 35 个
市场机会
选择面较广
深圳 · 人工智能 · 约 130 个在招
职位详情
关于这个职位
该职位主要负责AI基础设施的研发与优化，包括大模型系统级代码生成、LLM训练推理的内存与存储优化，以及下一代AI智能网卡和存储协议的前沿研究
你需要结合AI算法与芯片特性进行性能调优，支持大规模AI训练与推理场景
最低要求
具备扎实的计算机网络、操作系统、软件工程基础
了解大模型训练与推理的基本原理
熟悉Python或C/C++编程
具备较强的学习能力与自驱意识，对数据中心优化、代码生成、多模态处理等方向有研究热情，善于团队协作
工作职责
参与AI软件工程相关工作，负责基于大模型的系统级代码生成与重构、多模态协同生成等技术研究
协助进行LLM训练推理及Agent AI系统的内存/存储需求分析与优化设计，结合AI算法与芯片特性优化性能
参与下一代AI NIC（智能网卡）研究，包括NPU网络优化、新型网络协议探索
开展AI存储相关研究，涉及下一代AI存储协议、GPU直通存储技术等前沿方向
参与基础设施性能调优，支持大规模AI训练与推理场景
AI 洞察
优缺点分析
优点
- 处于AI大模型与底层算力结合的最前沿，技术壁垒高，个人技术成长空间巨大
- 接触智能网卡、GPU直通存储等前沿硬件与协议研究，能积累稀缺的AI Infra底层优化经验
- AI Infra涉及底层系统、网络、存储与算法的交叉，技术栈深且广，学习曲线陡峭
- 适合具备扎实计算机系统基础、对底层技术有极客精神，且希望在AI大模型基础设施领域深耕的开发者
缺点 / 挑战
- 传音作为出海手机巨头，其AI业务正处于快速发展期，业务场景丰富且具挑战性
- 大模型训练推理的性能优化极具挑战，需要不断跟进最新的芯片特性与算法演进，工作压力较大
角色解读
- 纵向可成长为AI基础设施架构师或技术专家，主导下一代AI算力与存储网络架构设计
- 横向可向AI系统优化、大模型底层加速或智能硬件底层研发方向拓展，成为跨领域的复合型技术人才
- 负责AI基础设施的研发，包括大模型系统级代码生成与重构、多模态协同生成技术研究
- 优化LLM训练推理及Agent AI系统的内存与存储需求，结合芯片特性提升性能
- 探索下一代AI智能网卡（NIC）与AI存储协议，进行NPU网络优化与GPU直通存储技术研究
- 参与基础设施性能调优，保障大规模AI训练与推理场景的高效运行
- 扎实的计算机网络、操作系统和软件工程基础知识
- 熟悉Python或C/C++编程语言，具备底层系统开发能力
- 了解大模型（LLM）训练与推理的基本原理及Agent AI系统架构
- 对数据中心优化、代码生成、多模态处理等前沿方向有深入理解或研究热情
申请策略
- 在面试前了解传音在AI领域的最新布局，特别是其在端侧AI和云端大模型训练方面的业务需求
- 准备好系统底层调优的实战案例，能够清晰阐述从发现问题、分析瓶颈到最终解决的性能优化全过程
- 突出在操作系统、计算机网络或分布式系统方面的项目经验，展现扎实的系统底层功底
- 强调使用C/C++或Python进行高性能计算、内存优化或系统级开发的实际成果
- 若有大模型训练推理加速、GPU/CPU协同优化或相关开源项目贡献，务必重点展示
- 深入学习CUDA编程、GPU架构及大模型推理加速框架（如vLLM、TensorRT），提升底层优化能力
- 了解RDMA、RoCE等高性能网络协议及NVMe、GPU直通等存储技术，补齐AI网络与存储知识
面试指南
- STAR法则：针对性能优化问题，按照情境、任务、行动、结果的框架，突出你的分析思路（如使用perf、火焰图等工具）和最终收益
- 底层原理+工程实践：回答技术问题时，先阐述底层原理（如GPU内存层级、网络协议栈），再结合具体工程场景说明如何应用和优化
- 请详细描述一次你参与过的系统级性能调优项目，你是如何定位瓶颈并解决的？
- 在LLM推理过程中，内存和计算资源通常是如何分配的？有哪些常见的优化手段？
- 你对下一代AI智能网卡（NIC）或GPU直通存储技术有什么了解？它们能解决什么痛点？
- 如果大模型训练时网络通信成为瓶颈，你会从哪些层面进行排查和优化？
- 复习操作系统、计算机网络的核心概念，特别是内存管理、中断、TCP/IP、RDMA等底层机制
- 了解当前主流大模型推理框架的底层实现原理，以及NVIDIA GPU的架构特性与优化手段
职位点评
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利
80较高
AI Infra属于核心技术岗，薪资处于市场较高水平，传音作为知名企业提供具有竞争力的薪酬。
薪资信号未披露（AI估算：2千–4万/月）
成长发展
90较高
岗位涉及大模型、智能网卡、GPU直通等前沿技术，技术壁垒高，能极大提升个人在AI底层的核心竞争力。
技术前沿前沿/新兴技术
技术栈Python、C/C++、LLM、Agent AI、NPU、GPU直通存储、AI NIC
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与加班情况，但AI底层研发通常面临较高的技术挑战与项目压力，WLB情况无法明确判断。
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
75中等
参与下一代AI基础设施研究，推动大模型与底层硬件的协同发展，具有较高的技术使命感与行业推动价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs