华为
AI Infra工程师
AI Infra工程师
发布于 大约 8 小时前普通员工/个人贡献者
深圳市 / 上海市
无经验要求
全职员工
仅现场办公
学历未注明
机器学习工程
Ascendc
Tilelang
分布式系统
大模型
并行计算
性能优化
算子优化
AI 估算 · 20k–40k
大模型基础设施方向需求旺盛，技术门槛高，华为平台薪资竞争力强，一线城市更高。
职位详情
关于这个职位
这个职位主要面向AI基础设施方向，负责大模型训练推理的算子优化、训推系统开发、数据系统建设以及建模仿真等核心模块
你将接触到AscendC、Triton等前沿技术，参与高性能AI系统的设计与落地，为华为的大模型业务提供底层支撑
适合对AI系统架构和性能优化有浓厚兴趣的技术人员
最低要求
【AI算子技术】
人工智能、机器学习、计算数学、应用数学、软件工程、计算机科学、体系结构、统计数学、数据科学等相关专业
具备较强的代码编写和算法实现能力，了解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发
具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代
具有大模型训推系统、算子开发调测实践经验者优先，掌握算子优化和性能调测的常用方法和工具（如Profiling工具、Tiling策略等）者优先
有相关实习经验或高水平数学/计算机竞赛（如ACM/ICPC、各类数学竞赛）获奖经验者优先
在领域顶级会议（如NeurIPS、ICML、AAAI、VLDB等）发表过文章者更佳
【AI训推系统】
人工智能、机器学习、软件工程、计算机科学、体系结构、统计数学、数据科学等相关专业
具备较强的代码编写和算法实现能力，了解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发
具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代
具有语言/多模态/Agent/空间智能等大模型训练和推理实践经验者优先，掌握训推系统优化的常用方法和工具者优先
有相关实习经验或高水平竞赛（如ACM）获奖经验者优先
在领域顶级会议（如NeurIPS、ICML、AAAI、ISCA、VLDB等）发表过文章者更佳
【AI数据系统】
计算机科学、软件工程、人工智能、计算机工程、机器学习、数据工程等相关专业，具备扎实的计算机系统基础
具备较强的代码编写和算法实现能力，熟悉模型架构、数据工程、操作系统、分布式计算与存储系统、并行软件开发
具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代
具备良好的工程实现能力，熟悉分布式计算与存储系统，有高性能数据处理与调度系统开发经验，或有推理服务化部署、集群性能优化经验者优先
有相关实习经验或高水平竞赛（如 ACM、ICPC 等）获奖经历者优先
在领域顶级会议（如 NeurIPS、ICML、AAAI、VLDB 等）发表论文者更佳
【建模仿真】
计算机、人工智能、数学、控制科学与工程等相关专业
熟悉大模型分布式训练策略与推理加速技术，具备算力系统优化与异构计算架构性能调优经验者优先
熟悉AI调度框架建模仿真技术，能实现高吞吐、低时延的资源调度及高可用性分析
具备较强编程能力，精通主流编程语言（C++/Java/Python），熟悉分布式训练框架底层逻辑，掌握并行计算与通信优化基础技术，具备系统级性能调优能力
工作职责
【AI算子技术】
参与大模型训练推理算子的设计与开发，涵盖大模型训练、推理、生成式推荐、数据合成等关键业务场景，实现算子加速，推动成果落地产品并产生商业价值
参与算子性能优化、精度分析和计算图优化等方案的开发，通过数学等价变换、流水编排、深度融合、调度优化、Tile优化等手段提升算子性能，为端到端训推系统性能提供基础支撑
参与高性能算子库、基础加速库、算子开发框架的编码与测试，包括AscendC、Triton、TileLang等编程语言的相关实现
参与自动算子生成工具的研发，利用AI Agent技术提升算子开发的自动化程度和效率
参与业界前沿技术调研，协助专利申请和技术报告撰写，参与开源社区贡献，与团队共同提升华为在业界的技术影响力
【AI训推系统】
参与Agent、语言、多模态、生成式推荐、空间智能等大模型训练和推理的关键技术与系统架构的开发与实现，协助完成算法突破，并将成果落地产品，产生商业价值
参与训推框架和加速特性的设计与开发，包括预训练、RL后训练、Agentic AI、推理引擎和服务化、AI训推技术辅助编程等模块的编码与调试
参与AI训练/推理系统的优化方案设计和开发，在计算、内存、通信、IO等方面开展软硬协同优化，提升系统性能，支撑下一代训推系统构建
跟踪业界和学术界AI计算集群训推算法、训练系统优化、推理系统优化领域的最新进展，参与业界顶会，参与开源社区贡献，学习并引入先进技术，持续提升系统竞争力
【AI数据系统】
参与语言、多模态与 Agent 场景下数据生产与流转体系的开发，构建高吞吐、可扩展的数据基础设施，优化数据采集、处理、存储与分发效率，支撑规模化模型训练与行业调优
参与面向异构分布式环境的数据处理与调度系统的开发，实现分布式数据流水线与推理服务化架构，支持多模型推理、数据合成与蒸馏的高并发执行，提升资源利用率与整体吞吐
参与统一数据格式与版本管理体系的实现，参与面向大规模训练与推理的存储架构开发，提升数据可追溯性与生命周期管理能力，支撑 PB 级数据规模扩展
参与大模型数据工程平台与工具链能力的建设，包括任务编排、指标采集、失败恢复与自动扩缩容等模块的实现，推动数据生产与验证的自动化闭环，支撑数据飞轮高效运转
跟踪分布式计算、存储与推理加速等前沿技术，与算法及平台团队协作，推动数据工程与训练系统、推理服务及 Agent 架构的融合落地，持续提升工程成熟度与技术竞争力
【建模仿真】
参与构建面向大语言模型（LLM）及多模态系统的数学模型与仿真框架，以及超参规模下的分布式训练策略、集群/端侧推理优化开发
参与仿真系统开发与关键指标验证：开发大模型仿真平台，验证训练稳定性，优化集群资源利用率
参与定位大模型训练瓶颈，优化训练任务优先级动态调整
构建端到端性能预测模型，输出算力资源配置决策树，提升训练效率和推理性能
优先资格
【AI算子技术】
具有大模型训推系统、算子开发调测实践经验者优先，掌握算子优化和性能调测的常用方法和工具（如Profiling工具、Tiling策略等）者优先
有相关实习经验或高水平数学/计算机竞赛（如ACM/ICPC、各类数学竞赛）获奖经验者优先
在领域顶级会议（如NeurIPS、ICML、AAAI、VLDB等）发表过文章者更佳
【AI训推系统】
具有语言/多模态/Agent/空间智能等大模型训练和推理实践经验者优先，掌握训推系统优化的常用方法和工具者优先
有相关实习经验或高水平竞赛（如ACM）获奖经验者优先
在领域顶级会议（如NeurIPS、ICML、AAAI、ISCA、VLDB等）发表过文章者更佳
【AI数据系统】
具备良好的工程实现能力，熟悉分布式计算与存储系统，有高性能数据处理与调度系统开发经验，或有推理服务化部署、集群性能优化经验者优先
有相关实习经验或高水平竞赛（如 ACM、ICPC 等）获奖经历者优先
在领域顶级会议（如 NeurIPS、ICML、AAAI、VLDB 等）发表论文者更佳
【建模仿真】
熟悉大模型分布式训练策略与推理加速技术，具备算力系统优化与异构计算架构性能调优经验者优先
AI 洞察
优缺点分析
优点
- 技术栈丰富，覆盖算子、系统、数据、仿真等多个方向，成长空间大
- 薪资有竞争力，且有完善的福利体系，稳定性好
- 技术难度高，需要同时掌握系统底层、算法和分布式架构，学习曲线陡峭
- 工作强度可能较大，华为研发部门通常节奏较快，需适应可能的加班
- 多地可选但具体城市不确定，可能需要接受调派或异地工作
- 适合对AI系统底层技术有强烈兴趣、喜欢解决高性能计算难题、能够承受高强度工作节奏的技术型人才
缺点 / 挑战
- 华为平台大，技术积累深厚，AI基础设施处于行业前沿，可以接触大模型最核心的工程挑战
角色解读
- 在AI基础设施领域深耕，逐步成为算子优化、训推系统或AI数据系统的专家
- 有机会晋升为技术主管或架构师，负责更大规模的系统设计和团队指导
- 通过参与开源社区和顶级会议，积累行业影响力，拓展职业发展空间
- 参与大模型训练推理算子的设计与开发，通过数学等价变换、流水编排等手段优化算子性能，为端到端训推系统提供基础支撑
- 参与训推框架和加速特性的开发，包括预训练、RL后训练、Agentic AI等模块，在计算、内存、通信、IO等方面进行软硬协同优化
- 负责构建AI数据生产与流转体系，开发分布式数据处理与调度系统，支撑PB级数据规模扩展
- 构建大模型仿真平台，分析训练瓶颈，优化集群资源利用率，输出现网算力资源配置决策
- 扎实的编程能力，精通C++或Python，熟悉算法实现和性能调优
- 理解大模型架构和AI框架（如PyTorch），掌握分布式计算、并行计算和GPU编程相关技术
- 熟悉分布式存储、数据工程、调度系统等基础设施领域知识
- 具备较强的学习能力和自驱力，能快速适应技术迭代
申请策略
- 华为面试通常有多轮技术面和HR面，提前了解华为在AI计算领域的布局和昇腾生态
- 根据自身兴趣明确选择方向（算子、系统、数据或仿真），在简历和面试中聚焦
- 突出大模型训练/推理相关的项目经验，尤其是算子优化、分布式训练、性能调优等
- 展示编程竞赛获奖、高水平论文或开源贡献，这会显著提升竞争力
- 强调C++/Python编程能力，并附上具体的技术栈和成果数据
- 体现团队协作和主导复杂系统的经验
- 学习AscendC、Triton、TileLang等算子编程语言，亲手实现一个简单算子
- 深入理解Transformer架构和主流推理引擎（如vLLM），掌握Profiling工具的使用
面试指南
- 面试回答时推荐使用STAR法则（情境-任务-行动-结果），清晰描述项目背景、你的具体职责、采取的技术方案以及最终效果
- 对于原理类问题，先给出核心概念，再深入推导细节，最后联系实际应用
- 请介绍一个你做过的高性能计算或分布式系统项目，你如何优化性能？
- 大模型训练中数据并行和模型并行有什么区别？分别有什么优缺点？
- 如何优化一个矩阵乘法的GPU实现？请说明思路
- 你了解FlashAttention吗？它的原理是什么？
- 在分布式训练中，通信瓶颈如何解决？你有哪些实践或思考？
- 复习计算机体系结构、并行计算、CUDA编程基础，了解GPU性能模型
职位点评
75
综合评分
华为AI基础设施岗，前沿技术大平台，薪资有竞争力但工作强度不明，以技术成长为核心吸引力。
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
适合极度看重技术成长、愿意接受高强度工作以换取前沿领域核心能力的求职者。
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45
使命价值75
薪资福利
80较高
华为平台薪资水平在业内属于第一梯队，但JD未披露具体薪资结构，稳定性是加分项。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
90较高
该职位处于大模型基础设施前沿，技术深度和广度都极具挑战，成长路径清晰，能快速积累稀缺能力。
技术前沿前沿/新兴技术
技术栈大模型、算子优化、分布式系统、AscendC、Triton、TileLang、训推系统、数据工程
成长机会参与业界前沿技术调研，协助专利申请和技术报告撰写、参与开源社区贡献
业务类型profit_center
工作生活
45较低
JD未提及弹性工作或远程办公，工作地点可选但可能面临调动，华为研发岗位通常节奏较快，生活平衡一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
AI基础设施行业前景光明，岗位对推动大模型应用落地有直接价值，但JD未明确强调社会使命。
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
华为 的其他在招职位
相似职位推荐
Watch Jobs