初速度
ETI
ETI
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高性能计算
高性能计算
Cuda
Deepspeed
Megatron
Pytorch
数据并行
模型并行
算子优化
高性能计算
值不值得投
78综合评分
综合评分 78
自动驾驶核心AI基建岗，技术前沿且壁垒高，薪资竞争力强，适合追求技术极客与行业前景的候选人。
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大模型训练系统的底层优化与落地，通过数据/模型并行、通信及CUDA算子优化等手段大幅提升训练效率
你需要深入分析并解决训练系统各层次的性能瓶颈，打造业界领先的训练基础设施，以推进自动驾驶算法的高效迭代
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（如DeepSpeed/Megatron）优先
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
- 处于自动驾驶与大模型结合的核心赛道，技术壁垒高，行业前景广阔
- 接触业界领先的分布式训练系统与底层算子优化，技术深度与广度兼具
- 公司规模大且融资阶段靠后，平台资源充足，能支撑大规模算力集群的实践
- 大模型训练系统优化涉及底层硬件与框架，技术难度极大，需持续跟进前沿技术
- 自动驾驶算法迭代快，训练系统需频繁适配新模型，工作节奏可能较快
- 适合具备扎实底层编程能力、对高性能计算和分布式训练有浓厚兴趣，且希望在自动驾驶AI基建领域深耕的技术极客
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可成长为自动驾驶AI基础设施/训练系统架构专家，主导千亿参数大模型的训练基建
- 横向可拓展至自动驾驶全栈系统优化、推理加速或底层芯片适配等前沿领域
- 负责智能驾驶大模型训练系统的底层优化，包括数据/模型并行、通信优化及CUDA算子开发
- 定位并解决训练系统各层级的性能瓶颈，提升GPU利用率和整体训练吞吐量
- 与算法团队紧密配合，打造高效的训练基础设施，加速自动驾驶算法的迭代周期
- 精通C/C++/Python及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/Transformer）原理，熟练使用PyTorch等框架
- 熟悉分布式训练框架（如DeepSpeed、Megatron）及高性能计算/系统性能优化技术
申请策略
- 了解初速度在端到端自动驾驶大模型方面的最新进展，面试时结合其业务场景探讨训练系统的痛点与优化方向
- 突出在CUDA算子优化、分布式训练框架（DeepSpeed/Megatron）二次开发或性能调优方面的实际项目经验
- 量化过往优化成果，如‘将某模型训练吞吐量提升X%’或‘降低通信开销X%’
- 展示扎实的C++/Python编程功底及计算机体系结构相关的底层优化经验
- 深入学习Megatron-LM或DeepSpeed的源码，掌握3D并行（数据、张量、流水线并行）的底层实现机制
- 熟悉NCCL通信库及GPU硬件架构，提升算子级优化能力
面试指南
- STAR法则：情境（模型规模/硬件环境） -> 任务（性能目标） -> 行动（profiling工具定位瓶颈、具体优化手段如算子融合/通信重叠） -> 结果（量化提升指标）
- 对比分析法：在回答框架选择或技术路线时，从原理、适用场景、优缺点进行结构化对比
- 请详细描述你在CUDA算子优化或分布式训练通信优化中解决过的最复杂的性能瓶颈
- DeepSpeed和Megatron在模型并行和数据并行上的核心区别是什么？在什么场景下你会选择哪种框架？
- 如何定位和解决多机多卡训练中的GPU利用率低下或网络通信阻塞问题？
- 针对Transformer模型，有哪些常见的训练加速优化手段？
- 复习分布式系统、计算机体系结构及CUDA编程基础，准备1-2个深度优化的底层项目案例
- 了解初速度最新的自动驾驶算法架构，思考其对训练系统算力和显存的具体需求
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
自动驾驶核心基建岗位，技术门槛高，薪资处于市场偏上水平，且公司融资阶段靠后，整体薪酬竞争力较强。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
涉及大模型分布式训练与底层算子优化，技术极具前沿性与挑战性，能积累深厚的AI基础设施技术壁垒。
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
50较低
JD未明确提及工作模式与加班情况，但大模型训练优化岗位通常需配合算法团队迭代，工作节奏可能较快，WLB情况无法确切判断。
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
致力于智能驾驶技术的落地，推动自动驾驶行业发展，具有较高的社会价值与科技使命感。
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