腾讯
AI Infra存储架构师-成都/上海
AI Infra存储架构师-成都/上海
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
Gpu Direct
Kvcache
Nvme Ssd
Rdma
Vllm
分布式存储
性能调优
系统架构
值不值得投
79综合评分
综合评分 79
腾讯AI Infra核心岗，技术前沿性强，成长空间大，但工作强度可能较高
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
6.0万
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 1890 个在招 · 其中架构师 6 个
市场机会
选择适中
成都 · 架构师 · 14 个在招
职位详情
关于这个职位
负责腾讯推理系统的分级存储架构设计与研发，重点攻克KVCache在HBM/DRAM/SSD等层级的放置与流动策略
需构建高可用分布式持久化存储系统，优化I/O路径以降低传输开销，并保障线上数据的高可靠性与稳定性，支撑大模型高效推理
最低要求
计算机相关专业硕士及以上学历，5年以上分布式存储或底层系统研发经验
有大规模、生产级分布式存储系统（文件/对象/块存储或KVCache存储）从零到一的架构设计与落地经验
精通C++、Rust或Python，系统编程功底扎实，具备并行计算、内存管理与性能调优的实战能力
深入理解分布式系统核心技术：一致性协议、副本与纠删码、元数据服务、故障恢复与数据均衡
熟悉现代存储与网络栈：NVMe SSD、io_uring/SPDK、RDMA/RoCE、NVMe-oF、GPUDirect Storage
工作职责
负责推理系统分级存储架构建设：设计并实现 KVCache 在 HBM / DRAM / SSD / 分布式持久化存储各层级间的放置、流动与淘汰策略，平衡命中率、延迟与成本
负责类 分布式持久化存储系统设计与研发，支撑 KVCache 卸载回灌、模型权重与 Checkpoint 读写等场景，做到高吞吐、低长尾延迟、可水平扩展
负责分布式 KVCache 池化存储的元数据高可用能力建设，保障可用性 SLO
优化端到端 I/O 路径，结合 RDMA、NVMe SSD、GPUDirect、零拷贝等技术降低 H2D/D2H 传输开销，并与 vLLM / SGLang 等推理框架协同落地 KVCache offload 与预取
保障线上数据可靠性与稳定性，跟进存算分离等前沿方向
优先资格
熟悉大模型推理系统，理解KVCache、Prefix Caching、PD分离等机制，熟悉vLLM / SGLang
熟悉3FS、Mooncake、LMCache、Ceph、DAOS等系统
有AI训练/推理场景I/O优化经验
熟悉硬件底层架构或有相关开源贡献
AI 洞察
优缺点分析
优点
- 处于AI Infra最前沿，接触大模型推理核心痛点，技术含金量极高
- 依托腾讯平台，拥有海量数据和顶级算力资源，便于技术落地与验证
- 团队技术氛围浓厚，能接触到业界领先的存储与网络技术方案
- 作为巨头企业，职业背书能力强，有利于长期职业发展
- 技术难度极大，需同时兼顾底层硬件特性与上层AI框架需求
- 需要持续跟进快速迭代的AI框架和硬件技术，学习曲线陡峭
- 资深岗位要求高，内部竞争激烈，对产出要求严格
- 适合拥有5年以上分布式存储或底层系统研发经验，对AI Infra充满热情，具备极强技术攻坚能力和架构思维的资深工程师
缺点 / 挑战
- 对系统稳定性和性能要求极高，线上故障排查压力大
角色解读
- 向AI Infra领域首席架构师发展，主导核心基础设施的技术演进
- 深入存储与AI交叉领域，成为兼具底层系统与上层应用视野的专家
- 转向更广泛的系统软件或基础架构团队负责人角色
- 设计并实现大模型推理系统中的分级存储架构，优化KVCache在不同介质间的流转策略
- 研发高性能分布式持久化存储系统，支持模型权重加载、Checkpoint读写等高吞吐场景
- 优化底层I/O路径，利用RDMA、GPUDirect等技术降低数据传输开销，提升整体推理效率
- 保障存储系统的高可用性与数据可靠性，跟进存算分离等前沿技术方向
- 扎实的C++/Rust系统编程能力，精通内存管理、并行计算及性能调优
- 深厚的分布式系统理论基础，包括一致性协议、副本机制、元数据服务等
- 熟悉现代存储硬件与网络栈，如NVMe SSD、RDMA、io_uring等
- 具备大规模生产级存储系统从零到一的架构设计与落地经验
申请策略
- 准备详细的项目案例，重点阐述架构决策背后的权衡过程
- 关注腾讯AI Lab或云智事业群的最新技术动态，展现行业洞察
- 突出展示大规模分布式存储系统的架构设计细节与性能指标
- 强调在C++/Rust方面的深度掌握及实际性能调优案例
- 列举与AI训练/推理相关的I/O优化经验或开源贡献
- 详细描述解决高并发、低延迟、高可用等复杂问题的具体实践
- 深入学习vLLM、SGLang等大模型推理框架的存储机制
- 掌握NVMe-oF、GPUDirect Storage等最新存储网络技术
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验问题
- 对于技术问题，先阐述基本原理，再结合具体场景分析优劣，最后给出最佳实践
- 强调量化成果，如性能提升百分比、延迟降低数值、系统吞吐量等
- 请描述你设计过的最复杂的分布式存储系统，遇到的最大挑战是什么？
- 如何优化KVCache在HBM、DRAM和SSD之间的放置策略以平衡命中率与成本？
- 解释一下RDMA的工作原理及其在降低CPU负载方面的优势
- 在分布式系统中，如何保证元数据服务的高可用性和一致性？
- 针对大模型推理场景，如何进行端到端的I/O路径优化？
职位点评
薪资福利85
成长发展95
工作生活50
使命价值75
薪资福利
85较高
腾讯作为上市巨头，提供具有市场竞争力的薪酬福利体系，虽未明确披露具体数字，但资深专家岗通常享有较高薪资包及股票激励。
薪资信号未披露（AI估算：4.0千–8.0万/月）
成长发展
95较高
该职位处于AI Infra技术前沿，涉及大模型推理核心组件，技术栈先进且极具挑战性，为技术人员提供了极高的成长空间和技术影响力。
技术前沿前沿/新兴技术
技术栈KVCache、分布式存储、RDMA、NVMe SSD、vLLM、SGLang、C++、Rust
业务类型profit_center
工作生活
50较低
互联网大厂资深技术岗位通常工作强度较大，JD中未提及弹性工作或WLB相关福利，推测为常规高强度研发节奏。
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
通过优化AI推理基础设施，间接推动大模型应用的普及与效率提升，具有一定的行业技术价值和社会影响力。
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
腾讯 的其他在招职位
相似职位推荐
<Data Center> Sr./ Staff AI Server Platform Architect
联发科 · 新竹市
AI 估算 · 6.0–10.0万3 小时前发布
专家工程师/架构师
滴滴出行 · 北京市
AI 估算 · 6.0–10.0万4 小时前发布
高级技术架构师-2026年第一批社会招聘（智慧产业部）
国家电投 · 北京市
AI 估算 · 3.5–6.0万12 小时前发布
平头哥-边缘AI芯片SoC架构师-上海
阿里巴巴 · 上海市
AI 估算 · 8.0–15.0万1 天前发布
AI平台研发组长（系统架构师）
中国平安 · 成都市
AI 估算 · 3.5–6.0万1 天前发布
Principal Power System Architect – Infrastructure & Datacenter (资深/高级电源系统架构师- 基础设施与数据中心）
瑞萨电子 · 上海市
AI 估算 · 8.0–15.0万1 天前发布
Sr. Manager, Power System Architecture – Infrastructure & Datacenter (高级经理-电源系统团队- 基础设施与数据中心）
瑞萨电子 · 上海市
AI 估算 · 8.0–15.0万1 天前发布
系统架构工程师-运营管理平台
宁德时代 · 宁德市
AI 估算 · 3.5–6.0万1 天前发布
Watch Jobs