腾讯
星星海实验室-AI Infra 研发工程师
星星海实验室-AI Infra 研发工程师
发布于 大约 8 小时前普通员工/个人贡献者
上海市
专家级经验
全职员工
仅现场办公
本科
平台工程
Ai Dsa
Amd
Gpu
Megatron
Nvidia
Sglang
Tensorrt
Vllm
分布式训练
AI 估算 · 35k–60k
AI Infra 方向技术壁垒高，腾讯作为大厂提供有竞争力的薪资，结合上海城市系数，月薪中位数约4.7万。
职位详情
关于这个职位
作为腾讯星星海实验室的AI Infra研发工程师，你将专注于AI加速硬件的性能评估与优化，涉及单机单卡到超节点等场景的软硬件系统性能调优
工作内容包括使用Python/C++进行开发，优化GPU/AI DSA体系结构，并应用主流训练与推理框架（如Megatron、TensorRT、vLLM）提升业务交付质量
该职位深度参与AI基础设施的核心技术，适合对高性能计算和系统优化有浓厚兴趣的工程师
最低要求
熟悉Linux开发环境，掌握Python/C++等语言，有良好的编程基础、系统设计优化能力
熟悉GPU/AI DSA体系结构和原理，有Nvidia/AMD卡等开发优化经验
熟悉主流训练框架和训练加速技术，包括但不限于Megatron等分布式训练框架，熟悉高性能网络通信，计算等优化方向
熟悉主流推理框架和推理加速技术，包括但不限于TensorRT/vLLM/SGLang 等
具备良好的技术热情和责任感，优秀的分析解决问题能力，良好的团队意识和沟通能力
工作职责
负责公司AI 加速硬件的性能评估和优化，在单机单卡/超节点等场景进行全方位的软硬件系统性能评估，分析调优和业务交付落地
对产品线进行持续优化，提高产品质量及用户体验
与团队紧密合作，对发现的问题进行跟踪、定位和解决
AI 洞察
优缺点分析
优点
- 腾讯大平台，技术积累深厚，AI基础设施是热门方向，职业前景广阔
- 技术难度高，需要持续学习，工作强度可能较大
- 适合对AI基础设施和系统性能优化有浓厚兴趣，具备扎实编程基础和GPU优化经验的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI基础设施研发工程师起步，可向技术专家或架构师方向发展，深入AI芯片与系统协同设计
- 负责AI加速硬件的性能评估与优化，包括单机单卡和超节点等场景的软硬件系统性能分析、调优和交付
- 需要精通Linux开发环境，掌握Python/C++等语言，具备系统设计优化能力
申请策略
- 关注腾讯星星海实验室的业务方向，了解其在AI基础设施上的布局
- 突出GPU优化经验，如Nvidia/AMD卡开发优化项目，以及分布式训练框架（如Megatron）的实际应用
- 提前熟悉TensorRT/vLLM/SGLang等推理框架，并了解高性能网络通信优化技术
面试指南
- 使用STAR法则，结合具体项目，突出性能优化方法和效果
- 如何优化GPU集群的训练性能？请描述一次你解决性能瓶颈的经历
- 复习GPU架构和分布式训练原理，准备性能调优的案例
职位点评
75
综合评分
大厂AI Infra岗位，技术前沿，薪资有竞争力，但WLB不明确。
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
适合追求技术成长和前沿AI基础设施开发的工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
腾讯作为大厂，薪资福利有竞争力，但JD未明确具体薪资和福利。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
90较高
AI基础设施是前沿技术，岗位涉及GPU优化、分布式训练等，技术成长空间大。
技术前沿前沿/新兴技术
技术栈GPU、AI DSA、Megatron、TensorRT、vLLM、SGLang
业务类型ambiguous
工作生活
50较低
工作地点在上海，但未提及远程或弹性工作，可能需现场办公。
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
70中等
AI基础设施对行业有较大影响，但JD未明确社会价值导向。
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