初速度
ETI TLM
ETI TLM
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高性能计算
高性能计算
Cuda
Deepspeed
Megatron
Pytorch
数据并行
智能驾驶
模型并行
深度学习
值不值得投
78综合评分
综合评分 78
自动驾驶核心算法基建岗，技术前沿壁垒高、成长空间大，薪资竞争力强，但WLB情况未知。
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
5万
比高性能计算中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
73 个在招
市场机会
选择适中
北京 · 高性能计算 · 38 个在招
职位详情
关于这个职位
该职位主要负责智能驾驶模型训练系统的研究与优化，通过数据并行、模型并行及CUDA算子优化等技术提升训练效率
你需要深入分析训练系统各层次的性能瓶颈，打造业界领先的训练系统，推进算法的高效迭代
最低要求
工作3年以上，计算机/数学/物理/电子工程/自动控制专业硕士及以上学历
了解深度学习算法基本原理，熟悉CNN/Transformers等主流模型原理
优秀的代码能力，熟练掌握C/C++或Python/CUDA等编程语言
能够熟练使用至少一种主流的机器学习框架pytorch
具备扎实的计算机科学功底和编程能力，熟悉计算机体系结构
良好的团队协作能力
创新性强，有良好的动手实现能力，对技术有热情
工作职责
负责智能驾驶模型训练优化的研究和落地，通过数据并行，模型并行，通信优化，CUDA算子优化等，大幅提升模型的训练速度与效率
深入分析训练系统，定位和解决训练系统各个层次的性能瓶颈，不断提升训练效率，打造业界领先的训练系统，推进算法的高效迭代
优先资格
具有AutoML/模型推理/训练优化或AI相关大模型/重要项目经验者优先
熟悉各种模型/数据并行训练框架优先(deepspeed/megatron)
有深度学习训练框架开发经验的加分
有高性能计算/高并发开发/系统性能优化经验者优先
AI 洞察
优缺点分析
优点
- 能够深入接触底层算力优化与分布式系统，积累高壁垒的系统级工程经验
- 公司业务落地场景明确，技术成果能直接赋能自动驾驶量产，成就感强
- 大模型训练优化涉及底层硬件与复杂系统，技术难度极高，需要持续学习
- 适合具备扎实C++/CUDA功底、对底层系统优化有浓厚兴趣，且希望在自动驾驶AI基础设施方向深耕的资深技术人才
缺点 / 挑战
- 处于自动驾驶与大模型交叉的核心赛道，技术前沿且极具挑战性
- 面对算力瓶颈和算法迭代压力，需要极强的抗压能力和问题排查能力
角色解读
- 可成长为自动驾驶训练系统架构师或AI基础设施技术专家
- 随着大模型时代的到来，掌握底层训练优化技术的人才极具稀缺性，职业壁垒高，发展前景广阔
- 负责智能驾驶大模型训练系统的底层优化，包括数据并行、模型并行及通信优化
- 通过CUDA算子开发和系统级性能调优，解决训练过程中的性能瓶颈，提升整体训练效率
- 与算法团队紧密合作，打造业界领先的训练基础设施，加速自动驾驶算法的迭代落地
- 精通C/C++/Python/CUDA编程，具备扎实的计算机体系结构知识
- 深入理解深度学习模型（CNN/Transformers）原理，熟练使用PyTorch等主流框架
- 熟悉分布式训练框架（如DeepSpeed、Megatron），具备高性能计算和系统性能优化经验
申请策略
- 了解初速度在自动驾驶大模型（如端到端模型）方面的最新技术博客或论文，面试时展现对业务场景的理解
- 突出在CUDA算子优化、分布式训练（DeepSpeed/Megatron）或高性能计算方面的实际项目经验与性能提升数据
- 强调对计算机体系结构的理解，以及在C++/Python混合编程和系统级性能调优上的能力
- 展示在深度学习框架底层开发或大模型训练落地中的具体贡献
- 深入研读Megatron-LM、DeepSpeed等框架的源码，理解其并行策略与通信优化机制
- 复习CUDA编程模型、GPU架构及显存管理，提升底层算子手写与调优能力
面试指南
- STAR法则：情境（业务背景）-> 任务（性能目标）-> 行动（具体优化手段，如算子融合、通信重叠）-> 结果（量化指标提升）
- 底层原理剖析：从GPU硬件架构（如SM、Tensor Core、显存带宽）出发，解释优化手段的合理性
- 请详细描述你做过的一次CUDA算子优化或通信优化，具体提升了多少性能？瓶颈在哪里？
- 在分布式训练中，数据并行和模型并行的通信开销如何优化？DeepSpeed ZeRO的原理是什么？
- 如果训练过程中遇到Loss不下降或显存OOM，你的排查思路是什么？
- 请谈谈你对Transformer模型在训练时的计算瓶颈的理解，如何针对GPU架构进行优化？
- 复习分布式训练的核心概念（All-Reduce、Pipeline Parallelism、Tensor Parallelism）及主流框架实现
- 准备1-2个自己主导的底层性能优化项目，能够深入讲解技术细节和踩坑经验
职位点评
薪资福利85
成长发展95
工作生活40
使命价值85
薪资福利
85较高
该岗位属于自动驾驶核心技术方向，对底层系统优化能力要求高，市场稀缺性强，薪资竞争力较好，但JD未披露具体薪资与福利细节。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
岗位涉及大模型分布式训练与CUDA底层优化，技术极具前沿性，能积累极高的技术壁垒。
技术前沿前沿/新兴技术
技术栈CUDA、PyTorch、DeepSpeed、Megatron、CNN、Transformers、AutoML
业务类型profit_center
工作生活
40较低
JD未提及任何关于办公模式、弹性工作或工作强度的信息，无法判断其WLB情况，需面试时进一步确认。
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
85较高
自动驾驶是极具社会价值的科技领域，岗位直接赋能智能驾驶算法迭代，推动行业技术落地。
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