腾讯
混元大模型中台研发负责人（北京/深圳）
混元大模型中台研发负责人（北京/深圳）
发布于 大约 14 小时前中层管理(经理/总监)
北京市 / 深圳市
高级经验
全职员工
仅现场办公
本科
技术管理
Ceph
Fsdp
Hdfs
Megatron-Lm
Pytorch
分布式训练
大模型
AI 估算 · 80k–120k
职位详情
关于这个职位
作为腾讯混元大模型中台研发负责人，你将负责中台整体技术架构与方案规划，覆盖数据、预训练、后训练、评测四大核心链路，并带领团队推进技术栈收敛与平台化建设
该岗位需要深厚的大规模分布式系统经验，以及对大模型训练全流程的深入理解，是技术专家向技术管理转型的关键角色
你将与顶尖技术团队协作，共同推动腾讯大模型技术的规模化落地
最低要求
计算机、软件工程、人工智能等相关专业本科及以上学历，5 年以上软件研发经验
主导过大型 AI 平台、机器学习平台或数据平台从架构定义到规模化落地的完整过程，所建系统被平台之外的多个团队长期使用
熟悉 Kubernetes 及云原生生态，理解 Volcano、Ray 等批量与 gang scheduling 系统的调度模型与适用边界
熟悉并行文件系统的 IO 特征与可观测性体系
具备大规模数据存储与处理经验，熟悉对象存储、并行文件系统与 HDFS 的适用场景，掌握 Spark 或 Ray 的分布式数据处理机制，理解列式存储与训练样本格式转换的工程约束
理解 GPU 服务器、NVLink/NVSwitch、具备多机通信排障与性能分析能力，熟练使用 PyTorch Profiler 等观测工具
掌握 PyTorch 与 Megatron-LM、FSDP 等并行训练框架的实现机制，理解混合精度、重计算、序列并行、MoE 路由与专家并行的工程约束
熟悉大模型研发全流程，理解各训练阶段的数据形态、资源特征与失败模式
具备在既有基础设施之上构建抽象层的经验，能说明能力边界的划分依据与取舍过程
具备矩阵型组织中的技术决策与推动能力，以平台能力的实际使用规模与效率提升衡量交付成果
工作职责
负责中台整体技术架构与技术方案规划落地，覆盖数据、预训练、后训练、评测四条核心链路，界定中台与底层算力调度、高性能网络、分布式存储的能力边界，推进技术栈收敛
负责团队组建与技术梯队建设，主导跨团队技术决策
负责数据基座建设，包括训练数据流水线、数据集与元数据管理、支持数据发版机制、样本级血缘与去重、数据质检与合版流程
协同负责分布式数据存储与计算体系，规划 Ceph、CFS、HDFS 多套存储的分层使用与冷热治理，优化并行文件系统在大规模并发训练下的读取路径与吞吐，基于 Spark、Ray Data 构建数据处理算子编排与跨地域数据搬迁链路
负责大规模分布式训练的性能与稳定性工程，对有效训练时间占比负责
参与 DP/TP/PP/EP 并行切分方案设计与通信计算重叠优化，定位通信、数据读取、显存与算子层瓶颈
协同建设慢节点检测、GPU XID 与 SDC 识别、异步分片 checkpoint、弹性伸缩下的状态恢复与自动续训
负责训练工程链路的抽象与平台化，包括任务建模与参数配置分离、镜像与依赖版本管理、作业生命周期管理、实验记录与产物版本管理、伴生任务
负责后训练链路的工程支撑，包括 SFT、RL 等后训练的全流程平台化，包含但不限于 Rollout 与 Train 的资源编排与权重同步，Reward 与 Verifier 服务的吞吐与容错，工具沙箱与环境管理，长轨迹样本的存储与回放
负责模型评测的整体工程链路，支持各类模型的部署与评测，包括评测集与集合的资产化管理、评测任务调度与结果溯源、多形态评估引擎（RM、多模态、Code、Function Call、Agent 轨迹）的工程接入
了解主流推理引擎的工程实现与适配
制定技术规范与研发流程，建立工程设计评审、发布门禁、故障复盘与值班机制，为整体工程质量负责
AI 洞察
优缺点分析
优点
- 岗位职责涵盖数据、训练、评测全链路，技术视野全面，能积累大规模分布式系统设计经验
- 团队技术氛围浓厚，与顶尖工程师合作，能快速提升技术领导力
- 工作强度大，需要应对大模型训练的高复杂度和高稳定性要求，可能需要加班
- 技术栈广且深，需要持续学习，保持对前沿技术的敏感度
- 作为负责人，需要平衡技术深度与管理职责，对个人综合能力要求高
- 适合有丰富分布式系统和大模型训练经验，具备技术领导力，渴望在 AI 领域深耕的技术专家
缺点 / 挑战
- 腾讯作为互联网巨头，提供顶级的技术平台和资源，参与大模型核心研发，技术挑战大，成长空间广阔
角色解读
- 作为中台研发负责人，可向技术总监或首席架构师方向发展，负责更大规模的技术团队与战略规划
- 可深入大模型技术前沿，成为大模型训练与推理领域的专家，引领行业技术标准
- 可横向扩展至 AI 平台整体管理，负责多个产品线的技术基础设施，成为公司技术委员会核心成员
- 负责大模型中台的整体技术架构与方案规划，覆盖数据、预训练、后训练、评测四大核心链路，并界定与底层算力调度的边界
- 主导团队组建与技术梯队建设，制定技术规范与研发流程，并负责跨团队的技术决策与推动
- 深入数据基座建设，包括训练数据流水线、数据集管理、数据血缘与去重、数据质检等，确保数据质量与效率
- 负责大规模分布式训练的性能与稳定性工程，优化训练效率，并构建训练工程链路与平台化能力
- 精通 Kubernetes 及云原生生态，理解 Volcano、Ray 等调度模型，具备大规模分布式系统设计经验
- 深入掌握 PyTorch、Megatron-LM、FSDP 等并行训练框架，理解混合精度、重计算、序列并行、MoE 等工程约束
- 具备大规模数据存储与处理经验，熟悉 Ceph、CFS、HDFS 等存储系统，掌握 Spark 或 Ray 的分布式数据处理
- 具备 GPU 服务器、NVLink/NVSwitch 等硬件知识，熟练使用 PyTorch Profiler 等性能分析工具
申请策略
- 了解腾讯混元大模型的技术路线和团队文化，在面试中展现对业务的理解
- 准备一个你主导的复杂技术项目案例，展示架构决策和解决问题的能力
- 突出主导大型 AI 平台或数据平台从 0 到 1 的落地经验，强调平台被多个团队使用的规模
- 详细描述在分布式训练、性能优化、数据管道方面的具体项目成果，量化性能提升
- 强调技术团队管理经验，包括团队组建、梯队建设、跨团队协作
- 展示对 Kubernetes、PyTorch、Megatron-LM 等核心技术的深入理解
- 补充学习 Ray、Volcano 等调度框架，加深对分布式资源调度的理解
- 熟悉大模型后训练（SFT、RL）流程，了解 RLHF 的工程实现
面试指南
- 采用 STAR 法则，描述情境、任务、行动和结果，突出你的技术决策和量化成果
- 强调系统设计思维，从需求分析、架构选型、权衡取舍到落地实施，展示你的全面思考
- 结合具体案例，说明你如何平衡技术先进性与工程稳定性
- 请描述你主导过的一个大型 AI 平台架构设计，如何平衡性能、可扩展性和成本？
- 如何优化大规模分布式训练的效率？请举例说明你如何定位并解决通信瓶颈
- 如何设计一个数据管道，支持多版本数据管理和血缘追踪？
- 在矩阵型组织中，如何推动跨团队的技术决策？
- 你对大模型后训练（SFT/RL）的工程挑战有哪些理解？
职位点评
77
综合评分
腾讯大模型中台研发负责人，技术前沿、薪资高、成长快，但工作强度大。
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。
更适合这类人
适合追求技术前沿、渴望在 AI 领域快速成长，对薪资和职业发展有较高期望，且能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
腾讯作为上市公司，薪资福利具有竞争力，但 JD 未明确薪资范围，需面议。
薪资信号面议 (80K-120K/月)
成长发展
95较高
岗位涉及大模型前沿技术，技术栈先进，成长空间大，但 JD 未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈Kubernetes、PyTorch、Megatron-LM、FSDP、Ray、Spark、大模型、分布式训练
业务类型profit_center
工作生活
40较低
JD 未提及远程或弹性办公，工作地点为北京/深圳，可能涉及高强度工作。
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
80较高
大模型是高速增长赛道，腾讯作为行业巨头，岗位对技术影响力较大，但 JD 未提及社会价值。
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