中国电信
Infra系统架构师/研发工程师
Infra系统架构师/研发工程师
发布于 大约 20 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
Ai基础设施
Io_Uring
分布式系统
性能优化
缓存
值不值得投
73综合评分
综合评分 73
国企平台、前沿AI基础设施、薪资稳定、工作生活平衡一般
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
35K
比架构师中位数低
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 1950 个在招 · 其中架构师 4 个
市场机会
选择面较广
上海 · 架构师 · 约 100 个在招
职位详情
关于这个职位
该职位负责设计和优化AI基础设施中的数据存储与传输系统，构建支持多种数据形态的加速基座，实现高吞吐、低延迟的数据访问
主要工作包括设计分布式多级缓存架构、进行极致性能优化，并与AI训练和推理框架深度协同，以支持大模型开发与应用
最低要求
精通 Linux 环境下 Rust / C++ / Python 开发，具备多线程高并发系统设计与调优经验
深入理解分布式系统的一致性、数据复制与调度原理，能够在实际分布式存储或计算框架（如 Ray、Apache Spark、Ceph、TiKV、JuiceFS、Alluxio) 中进行系统级设计与性能优化
具备系统架构设计能力、工程抽象能力与落地能力，能够在复杂分布式系统中进行模块拆分、数据流建模与关键路径分析
能够建设 CI/CD、压测体系与性能回归体系，提升系统稳定性与迭代效率
具备扎实的性能分析与调优能力，能够使用 profiling、tracing 等手段定位瓶颈，并推动系统级优化落地
能够理解或搭建指标、日志与链路追踪系统，支撑大规模集群运行与问题定位
工作职责
构建统一的 AI 数据存传一体加速基座，支持键值存储、消息队列、对象文件缓存（Caching）与多模态记忆湖（Memory Lake）等多种数据形态，实现跨集群与集群内的高吞吐、低延迟访问与高速通信
设计并优化分布式多级缓存与数据平面调度架构（GPU 显存 / CPU 内存 / 本地外存 / 远端内存），重点支撑跨集群多模态数据传输与远程访问、模型加载加速、大模型 KV Cache 共享与迁移等核心场景，实现数据的动态迁移、热度管理与生命周期控制
探索 lock-free / wait-free 数据结构、用户态 I/O、kernel-bypass、io_uring 等极致性能优化技术，在 AI 训练与推理工作负载下突破系统吞吐与延迟瓶颈
与训练、推理及数据处理框架进行 Co-design，优化缓存放置与驱逐策略、流式传输与计算协同机制，实现存储与计算的深度融合
优先资格
加分项：具备 AI 辅助编程与工程协作能力，能够结构化表达需求与系统设计，形成高质量技术文档，有效拆解任务并并行调度实习生与 AI agent，提升整体研发效率与产出质量
有开源项目或可验证的性能优化成果
AI 洞察
优缺点分析
优点
- 聚焦AI基础设施，处于行业增长赛道，技术视野开阔
- 中国电信作为大型平台，提供稳定的研发资源和项目支持
- 技术复杂度高，需要持续学习新技术和应对系统级问题
- 作为国企技术岗，可能在创新灵活性和决策流程上有所限制
- 适合有深厚系统编程背景、对分布式系统和性能优化有热情、追求技术深度和稳定平台的高级工程师
缺点 / 挑战
- 技术挑战性强，涉及分布式系统、性能优化等前沿领域，技能积累价值高
- 可能面临高吞吐、低延迟的严苛性能要求，工作压力较大
角色解读
- 可向高级架构师或技术专家方向发展，负责更复杂的AI基础设施设计
- 可转向技术管理岗位，带领团队进行大规模系统研发
- 在AI基础设施领域积累深度经验，成为行业内的技术领袖
- 构建和优化AI数据存储与传输的加速基座，支持多种数据形态的高吞吐访问
- 设计分布式多级缓存架构，解决模型加载、KV Cache共享等核心场景问题
- 探索极致性能优化技术，突破AI训练和推理工作负载下的系统瓶颈
- 与AI框架团队协同设计，实现存储与计算的深度融合
- 精通Rust/C++/Python编程，具备多线程高并发系统设计与调优能力
- 深入理解分布式系统原理，有实际框架（如Ray、Ceph）的系统级设计经验
- 具备系统架构设计、工程抽象和落地能力，能进行模块拆分和性能分析
- 熟练使用性能分析工具（如profiling、tracing）定位并优化系统瓶颈
申请策略
- 研究中国电信在AI和云计算领域的战略方向，展示对业务的理解
- 准备系统设计案例，能够清晰阐述从需求到落地的思考过程
- 突出分布式系统项目经验，如设计缓存架构或优化数据传输的案例
- 强调性能优化成果，例如使用io_uring或kernel-bypass的具体实践
- 展示编程语言熟练度，特别是Rust/C++在高并发系统中的应用
- 如有AI相关经验或开源贡献，可重点列出以增强竞争力
- 深入学习AI基础设施技术，如大模型训练框架和分布式存储系统
- 参与开源项目或构建个人项目，验证性能优化能力，积累可验证成果
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答，突出个人贡献和技术深度
- 强调系统性思维，从需求分析、架构设计到性能调优的完整流程
- 结合实际技术细节，展示对分布式系统原理和优化技术的理解
- 如何设计一个支持多模态数据的分布式缓存系统？请描述关键组件和挑战
- 请分享一个性能优化案例，说明如何使用tracing工具定位并解决系统瓶颈
- 在AI训练场景下，如何优化模型加载速度和KV Cache共享？
- 如何平衡系统的一致性、可用性和性能？请结合实际经验说明
- 如果让你从头构建AI数据加速基座，你会如何进行架构设计？
职位点评
薪资福利75
成长发展80
工作生活60
使命价值70
薪资福利
75中等
中国电信作为大型企业提供相对稳定的薪酬和福利体系，薪资在上海市场处于中等偏上水平。
薪资信号市场水准 (25K-45K/月)
成长发展
80较高
职位涉及AI基础设施的前沿技术，如分布式缓存和性能优化，有利于技能快速成长和职业发展。
技术前沿前沿/新兴技术
技术栈Rust、C++、分布式系统、AI、io_uring
业务类型ambiguous
工作生活
60中等
工作地点为上海市区核心地段，但JD未提及办公模式或WLB信号，可能需现场办公且工作强度较高。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
支持AI基础设施发展，推动行业数字化转型，具有一定的社会价值和技术影响力。
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