华为
AI开发工程师
AI开发工程师
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人工智能
人工智能
Mlops
Pytorch
Tensorflow
云原生
大语言模型
数据工程
模型推理优化
值不值得投
71综合评分
综合评分 71
华为AI开发工程师，前沿技术栈，成长空间大，但工作强度可能较高。
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
比人工智能中位数低
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 480 个在招
市场机会
选择面较广
上海 · 人工智能 · 79 个在招
职位详情
关于这个职位
作为华为ICT BG的AI开发工程师，你将专注于AI模型的设计、开发与优化，包括大语言模型、多模态模型等，并推动AI能力在云服务产品中的落地
工作涉及模型压缩、推理加速、MLOps流水线搭建，以及与多团队协作解决高并发、低延迟等挑战，适合有2年以上经验、热爱AI工程化的候选人
最低要求
基础能力：计算机、人工智能、数学等相关专业本科及以上学历，2年以上AI开发或算法工程经验
扎实的编程能力，熟练掌握Python/C++/Java中的至少一种，有良好的代码规范和工程化意识
AI技术深度：熟悉深度学习框架（PyTorch/TensorFlow/JAX之一），有实际模型训练、调优和部署经验
了解常用模型架构（Transformer、CNN、GNN等），对模型推理优化（ONNX、TensorRT、vLLM等）有实践经验者优先
云服务与工程能力：熟悉云原生技术（Docker、Kubernetes、Service Mesh），有AI服务在K8s上的部署和调优经验
掌握分布式计算框架（如Ray、Spark）或流处理技术（如Flink、Kafka）者加分
熟悉SQL及常见数据存储系统（如ClickHouse、Elasticsearch、PostgreSQL），具备良好的数据处理和分析能力
有大模型数据清洗、指令微调（SFT）或RAG应用开发经验者优先
工作职责
AI模型开发与优化：负责基于云平台的机器学习/深度学习模型的设计、开发与训练，包括但不限于大语言模型（LLM）、多模态模型、推荐系统等
针对云服务场景进行模型压缩、量化、推理加速，提升模型在云环境下的性能和资源利用率
AI云服务产品落地：参与Data&AI云服务产品的AI功能模块开发，将AI能力（如智能分析、自动标注、预测推理）集成到云原生架构中
设计并实现高可用、可扩展的AI推理服务
数据工程与特征平台：构建数据预处理与特征工程Pipeline，支持PB级数据的高效清洗、转换与特征存储
结合云数据湖、数据仓库（如对象存储、Hive、Iceberg等），实现训练数据的自动化流转与版本管理
MLOps与自动化运维：搭建模型训练、部署、监控的自动化流水线（如Kubeflow、MLflow），保障AI服务的持续交付与稳定运行
建立模型效果监控与告警机制，推动模型在云上的持续迭代与A/B测试
技术攻坚与协作：解决AI在云服务场景中的高并发、低延迟、成本控制等核心挑战
与产品、后端、运维团队紧密协作，推动AI能力的产品化与商业化落地
优先资格
对模型推理优化（ONNX、TensorRT、vLLM等）有实践经验者优先
掌握分布式计算框架（如Ray、Spark）或流处理技术（如Flink、Kafka）者加分
有大模型数据清洗、指令微调（SFT）或RAG应用开发经验者优先
AI 洞察
优缺点分析
优点
- 华为作为全球领先的ICT企业，提供广阔的平台和资源，参与大规模AI项目，积累丰富的实战经验
- 涉及大模型、MLOps等前沿技术，技术栈新，有利于个人技能提升和职业发展
- 工作地点选择多，可根据个人偏好选择上海、北京、深圳等一线城市
- 技术栈广泛，要求持续学习，保持对新技术敏感度
- 跨团队协作频繁，需要良好的沟通能力和团队合作精神
缺点 / 挑战
- 工作强度可能较高，需应对高并发、低延迟等挑战，需要较强的抗压能力
- 适合有2年以上AI开发经验，对AI工程化、云原生技术有浓厚兴趣，喜欢挑战技术难题的工程师
角色解读
- 可向AI算法专家方向发展，深入模型优化和架构设计，成为技术专家
- 可向AI平台架构师方向发展，专注于MLOps和云原生AI平台建设，负责大规模系统设计
- 可向技术管理方向发展，带领团队负责AI产品线，推动AI能力商业化落地
- 负责AI模型的设计、开发与训练，包括大语言模型、多模态模型等，并针对云服务场景进行优化
- 参与AI云服务产品的功能开发，将AI能力集成到云原生架构中，实现高可用、可扩展的推理服务
- 构建数据预处理与特征工程Pipeline，支持PB级数据的高效处理，并搭建MLOps流水线，实现模型自动化部署与监控
- 扎实的编程能力，熟练掌握Python、C++或Java，具备良好的工程化意识
- 熟悉深度学习框架（PyTorch、TensorFlow或JAX），有实际模型训练、调优和部署经验
- 掌握云原生技术（Docker、Kubernetes），具备AI服务在K8s上的部署和调优经验
- 熟悉SQL及常见数据存储系统，具备数据处理和分析能力，了解分布式计算框架者加分
申请策略
- 了解华为ICT BG的业务方向，特别是云服务产品，在面试中展示对业务的理解
- 准备项目案例时，强调技术难点和解决方案，体现工程化思维
- 突出AI模型开发与部署的完整项目经验，特别是大模型或推荐系统的实际案例
- 强调云原生技术（Docker、Kubernetes）在AI服务中的应用，如K8s部署、弹性伸缩等
- 展示MLOps实践，如自动化流水线搭建、模型监控、A/B测试等
- 提及数据处理和特征工程经验，如PB级数据清洗、特征存储等
- 补充学习推理优化工具，如ONNX、TensorRT、vLLM，提升模型部署性能
- 熟悉分布式计算框架，如Ray、Spark，增强处理大规模数据的能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目经验问题，突出个人贡献和量化成果
- 对于技术问题，先阐述原理，再结合实践案例，最后总结优化效果
- 对于开放性问题，展示对行业趋势的理解，并结合自身经验提出见解
- 请介绍你参与过的一个AI模型开发项目，包括模型选型、训练和部署过程
- 如何优化模型推理性能？请举例说明你使用过哪些工具或技术
- 在Kubernetes上部署AI服务时，你如何处理资源调度和弹性伸缩？
- 如何设计一个MLOps流水线，确保模型的持续交付和监控？
- 你如何理解大模型在云服务场景中的挑战？
职位点评
薪资福利70
成长发展90
工作生活40
使命价值80
薪资福利
70中等
华为作为行业巨头，薪资水平通常具有竞争力，但JD未明确具体薪资和福利，需在面试中确认。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
岗位涉及大模型、MLOps等前沿技术，提供丰富的技术成长机会，且华为有完善的培训体系。
技术前沿前沿/新兴技术
技术栈LLM、PyTorch、TensorFlow、Kubernetes、MLOps、ONNX、TensorRT、vLLM、Ray、Spark
业务类型profit_center
工作生活
40较低
JD未提及工作模式，但华为通常为现场办公，且工作强度可能较大，WLB一般。
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
80较高
华为作为科技巨头，推动AI技术落地，具有较高的行业影响力，但JD未提及具体社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs