海尔
AI计算系统架构工程师
AI计算系统架构工程师
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架构师
架构师
Cpu/Gpu/Npu
异构计算
性能调优
系统架构
值不值得投
76综合评分
综合评分 76
AI算力基础设施核心架构岗，技术前沿且成长空间大，薪资预期较高，但系统调优与跨团队协同挑战较大。
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
5.5万
比架构师中位数高
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 670 个在招 · 其中架构师 7 个
市场机会
选择面较广
北京 · 架构师 · 约 120 个在招
职位详情
关于这个职位
该职位负责AI计算系统的总体架构设计与优化，涵盖CPU/GPU/NPU等异构计算资源的系统级规划
你需要分析AI工作负载特征，推动软硬件协同优化，解决端到端性能瓶颈，并建立系统级性能评测体系
最低要求
计算机、电子工程、自动化、体系结构或相关专业背景，具备扎实的计算机系统基础
熟悉CPU/GPU/NPU等异构计算体系，对内存层次、PCIe/I/O、存储、网络等系统组件有深入理解
熟悉Linux或Win系统架构、驱动、虚拟化、容器或资源管理中的一个或多个方向
熟悉AI模型推理流程及主流Runtime/Framework，能够理解模型负载对系统架构的影响
具备较强的系统性能分析与问题定位能力，熟悉Profiling、Benchmark和性能调优方法
具备C/C++等系统编程能力，能够与底层软硬件团队进行深入技术协作
有大型复杂系统从架构设计到产品落地的经验，具备较强的跨团队技术推动能力
工作职责
负责AI计算系统总体架构设计，围绕CPU/GPU/NPU、Memory、Storage、I/O等关键资源进行系统级规划与优化
分析不同AIWorkload的计算、显存、内存带宽、存储和时延特征，设计合理的软硬件协同方案
负责异构计算资源管理、任务调度、资源隔离和多任务并发等关键系统能力设计
推动操作系统、驱动、Runtime、模型推理框架与上层应用之间的协同优化，解决端到端性能瓶颈
围绕功耗、散热、噪声、稳定性和持续负载等约束开展系统优化，在性能与产品约束之间取得平衡
建立系统级Benchmark、Profiling和性能评测体系，以数据驱动架构决策与持续优化
与芯片、硬件、AIInfra、模型及产品团队协同，完成关键技术选型、原型验证和规模化工程落地
持续跟踪GPU/NPU、AIPC、EdgeAI、模型推理与系统软件等方向的技术演进，形成前瞻性架构判断
AI 洞察
优缺点分析
优点
- 处于AI算力基础设施的核心环节，技术壁垒高，能够积累深厚的异构计算与系统级优化经验
- 依托丰富的业务场景与硬件资源，有机会参与从技术选型到规模化落地的完整闭环
- 接触AIPC、Edge AI等前沿技术演进方向，保持技术敏锐度与行业竞争力
- 需要跨越芯片、硬件、软件、模型等多个技术栈，对知识广度和跨团队沟通推动能力要求极高
- 具备扎实计算机系统基础，拥有大型复杂系统架构设计经验，且对AI底层算力优化有浓厚兴趣的资深技术人才
缺点 / 挑战
- 在功耗、散热、稳定性等多重物理约束下寻找性能最优解，系统调优过程可能面临较大技术挑战
角色解读
- 纵向可发展为首席架构师或技术专家，主导下一代AI计算平台的核心架构演进
- 横向可转型为AI Infra技术总监或系统软件负责人，统筹更大规模的软硬件协同研发团队
- 负责AI计算系统的总体架构设计，统筹CPU/GPU/NPU等异构计算资源的规划与优化
- 分析AI工作负载特征，推动操作系统、驱动、推理框架等软硬件协同优化，解决端到端性能瓶颈
- 建立系统级性能评测体系，并与芯片、硬件、AI Infra等跨团队协同完成技术选型与工程落地
- 深入理解异构计算体系及内存、PCIe/I/O等系统组件，熟悉Linux/Win系统架构、驱动或虚拟化技术
- 熟悉AI模型推理流程及主流Runtime/Framework，具备C/C++系统编程及性能调优能力
- 具备大型复杂系统从架构设计到产品落地的全流程经验及跨团队技术推动能力
申请策略
- 了解公司在AIPC、Edge AI或智慧家庭场景下的AI算力布局，在面试中展现对业务场景与系统架构结合的思考
- 突出在异构计算（CPU/GPU/NPU）资源管理、任务调度或系统级性能调优方面的具体项目经验与量化成果
- 强调从架构设计到产品落地的完整经历，以及跨团队（芯片、硬件、算法等）协同推动技术落地的能力
- 深入复习AI模型推理流程及主流Runtime（如TensorRT, vLLM等）的底层机制与优化策略
- 提升对PCIe/I/O瓶颈、内存带宽及功耗散热等硬件约束对系统性能影响的理解
面试指南
- 采用STAR法则，重点突出“系统级思考”：从业务需求/Workload特征出发，分析瓶颈，设计软硬件协同方案，最终通过数据（Benchmark）验证收益
- 强调“数据驱动”与“约束平衡”：在回答优化问题时，展示如何通过Profiling工具定位问题，并在功耗、散热等物理约束下做出Trade-off
- 请分享一个你主导的复杂系统架构设计案例，你是如何平衡性能、功耗与稳定性的？
- 在分析AI Workload时，你如何定位并解决端到端的性能瓶颈（如内存带宽或PCIe I/O）？
- 你如何设计系统级的Benchmark和Profiling体系来驱动架构决策？
- 在跨团队（如芯片、硬件、算法）协同中，你遇到过最大的技术分歧是什么，如何解决的？
- 准备1-2个深度技术案例，详细梳理其中的架构图、性能数据对比及调优过程
- 了解当前主流AI推理框架（如vLLM, TensorRT-LLM）的底层优化机制及异构计算的前沿发展趋势
职位点评
薪资福利80
成长发展85
工作生活60
使命价值75
薪资福利
80较高
JD未披露具体薪资与福利信息，但基于岗位对大型复杂系统架构经验的高要求，该职位在人才市场上的薪酬预期处于较高水平。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
85较高
岗位涉及AI算力基础设施的核心技术，能接触前沿异构计算与系统软件演进，技术成长空间广阔。
技术前沿前沿/新兴技术
技术栈CPU/GPU/NPU、异构计算、Runtime、Framework、C/C++、Benchmark、Profiling
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式与加班情况，无法准确判断工作生活平衡状态，需在实际面试中进一步了解。
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
支撑AI计算系统底层架构，推动AIPC、Edge AI等技术演进，对AI基础设施发展具有积极的工程价值。
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
Watch Jobs