海尔
AI Infra系统工程师/专家
AI Infra系统工程师/专家
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai Infra
CI/CD
Gpu/Npu
Pytorch
云原生
分布式训练
性能优化
模型Serving
值不值得投
79综合评分
综合评分 79
前沿AI基建、技术成长极佳、大厂平台背书，WLB中规中矩
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
5.0万
比机器学习工程中位数高
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 780 个在招 · 其中机器学习工程 3 个
市场机会
选择面较广
上海 · 机器学习工程 · 约 390 个在招
职位详情
关于这个职位
负责大模型及多模态模型的训练、推理基础设施架构设计与研发，搭建分布式训练、任务调度与资源管理系统
优化GPU集群利用率与模型Serving性能，构建全流程工具链与可观测性体系，协同算法团队提升大规模AI研发效率
最低要求
计算机、软件工程、人工智能、电子信息或相关专业
具备扎实的操作系统、计算机网络、分布式系统和数据结构基础
熟悉Python、C++、Go等至少一种语言，具备良好的系统开发与性能分析能力
熟悉PyTorch及大模型训练或推理基本流程，对GPU/NPU计算、通信和显存管理有较好理解
具备分布式系统、云平台、机器学习平台或AI Infra相关研发经验
具备良好的问题定位、工程质量意识、沟通协作能力和结果导向
工作职责
参与大模型及多模态模型训练、后训练和推理基础设施的架构设计与研发
建设分布式训练、任务调度、资源编排、实验管理、Checkpoint / Artifact 管理等系统能力
优化GPU集群资源利用率、任务吞吐、故障恢复和训练稳定性，提升大规模训练效率
建设高性能模型Serving能力，优化Continuous Batching、KV Cache、并行策略、量化及推理延迟与吞吐
参与模型研发全流程工具链建设，包括环境管理、版本管理、CI/CD、可观测性及自动化运维
建设集群监控、Tracing、日志、告警和性能分析体系，快速定位软硬件及分布式系统问题
与研究、算法及数据团队紧密协作，将新的模型架构、训练方法和推理技术快速纳入基础设施
持续跟踪分布式训练、推理引擎、GPU/NPU系统及云原生AI Infra技术进展
AI 洞察
优缺点分析
优点
- 聚焦大模型底层基建，技术壁垒高且行业前景广阔
- 依托头部企业平台，可接触海量算力与真实业务场景
- 技术栈前沿，利于积累稀缺的AI Infra工程经验
- 系统复杂度极高，需同时兼顾软硬件协同与性能极致优化
- 跨团队协作频繁，沟通与推进成本较大
- 技术迭代极快，需保持高强度持续学习
- 适合具备扎实计算机基础、热爱底层系统开发、追求技术深度且能抗压的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI平台架构师、首席技术专家方向深耕
- 亦可横向拓展至大模型算法工程化、MLOps负责人或技术管理岗位
- 负责大模型训练与推理底层基础设施的架构设计与代码实现
- 搭建并优化分布式计算资源调度、任务管理与监控体系
- 协同算法团队落地前沿模型架构，保障大规模AI研发的稳定高效运行
- 精通分布式系统与云原生技术栈
- 熟练掌握Python/C++/Go及PyTorch框架
- 深入理解GPU/NPU硬件特性、显存管理与通信机制
- 具备高性能系统调优与全链路可观测性建设经验
申请策略
- 提前研究目标公司AI战略与算力布局
- 准备1-2个完整的系统架构设计案例，重点阐述权衡取舍与性能瓶颈突破思路
- 突出分布式系统实战项目、GPU/NPU调优案例及CI/CD/可观测性体系建设成果
- 量化展示资源利用率提升、延迟降低或吞吐量增长指标
- 强化Kubernetes与容器编排实战
- 深入学习CUDA编程与NCCL通信库原理
- 掌握主流LLM推理框架（如vLLM、TensorRT-LLM）源码
面试指南
- 采用STAR法则结构化回答
- 先阐明背景与约束条件，再分模块拆解架构设计，最后用数据验证效果
- 遇到难题时展示系统性排查思维（从应用层到内核层逐层下钻）
- 如何设计支持千卡/万卡训练的分布式调度系统？
- 面对GPU显存碎片化或OOM问题，你的排查与优化路径是什么？
- Continuous Batching与PagedAttention的原理及工程实现难点？
- 如何构建低开销的模型训练可观测性体系？
- 复习操作系统网络与分布式共识算法核心概念
职位点评
薪资福利80
成长发展90
工作生活65
使命价值75
薪资福利
80较高
该岗位属于核心技术研发序列，结合行业惯例与职位要求的技术深度，整体薪酬福利体系较为完善，补偿性动机满足度较高。
薪资信号市场水准 (3.5千–6.5万/月)
成长发展
90较高
岗位直接对接大模型与云原生AI Infra前沿技术，技术成长空间极大，内部培训与晋升通道清晰。
技术前沿前沿/新兴技术
技术栈AI Infra、分布式训练、GPU/NPU、PyTorch、Continuous Batching、KV Cache
业务类型profit_center
工作生活
65中等
职位描述未明确说明办公模式与工时安排，按常规研发岗位推断，工作节奏相对规范，但AI基建攻坚期可能存在阶段性高强度投入。
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
致力于构建支撑大模型发展的核心基础设施，对推动AI技术商业化落地具有显著价值，社会影响力较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs