HUAWEI logo
华为
政企产品技术工程师

政企产品技术工程师

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 1.5–2.8万 · AI 参考估算
初级经验
本科
全职员工仅现场办公实施工程师
实施工程师
Ai算力架构
Gpu/Npu
Hcip/Hcie
Pytorch
Tensorflow
分布式训练
存储技术
容器化部署
网络协议

值不值得投

68综合评分

综合评分 68

AI算力交付技术岗,技术成长性强,现场交付属性明显,薪资福利与WLB信息未披露。

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

2.2万

比实施工程师中位数高

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 690 个在招

职位详情

关于这个职位

该岗位面向政企客户AI算力基础设施项目,负责智算中心、AI集群、昇腾/GPU算力平台等从方案设计、设备部署、系统调优到客户验收的交付工作

适合具备IT基础设施交付经验、熟悉Linux、网络、存储和AI算力架构,并希望深入AI算力落地场景的求职者

最低要求

学历专业:本科及以上,人工智能、计算机、通信、电子信息、自动化等相关专业

工作经验:1年以上IT基础设施交付经验,有AI算力/智算中心项目经验者优先
专业技能:熟悉Linux操作系统、网络协议、存储技术
了解AI算力架构(GPU/NPU)、容器化部署、分布式训练原理
软技能:良好的沟通协调能力、项目管理能力、客户服务意识
具备抗压能力和快速学习能力

工作职责

AI算力平台部署与调试:负责AI服务器、网络设备、存储设备等硬件的安装、上架、接线和加电调试

部署和配置AI基础软件栈(操作系统、驱动、固件、容器平台、调度系统等)并完成AI算力集群的网络连通性测试、性能基准测试和压力测试等
配合完成AI框架(如PyTorch、TensorFlow等)的环境搭建和验证
模型迁移与适配支持:协助客户完成AI模型在目标算力平台上的迁移、适配和调优
排查模型训练/推理过程中的性能瓶颈,提供优化建议
支持客户解决开发环境配置、依赖库兼容等技术问题
问题处理与客户支持:负责交付期间及质保期内的技术问题响应和处理,建立问题跟踪闭环
编写故障分析报告,推动根因定位和产品改进
为客户提供技术培训和使用指导,提升客户自助运维能力
交付能力建设:沉淀交付最佳实践,输出标准化交付流程和工具包,参与交付工具的自动化开发,提升交付效率等

优先资格

加分项:持有华为HCIP/HCIE认证、熟悉主流AI框架

AI 洞察

优缺点分析

优点

  • 工作内容覆盖硬件部署、软件栈配置、模型适配和客户支持,有利于形成端到端交付能力
  • 有明确的加分项,如HCIP/HCIE认证和主流AI框架经验,求职者可围绕认证和实战经验建立差异化优势
  • 交付能力建设涉及标准化流程和自动化工具,适合希望从现场实施向平台化、效率提升方向积累经验的人
  • 适合有IT基础设施交付经验、希望深入AI算力和智算中心场景的技术型人才,尤其适合具备Linux、网络存储、容器和AI框架基础,并能适应客户现场沟通的人

缺点 / 挑战

  • 岗位处于AI算力基础设施落地场景,能接触智算中心、AI集群、昇腾/GPU平台等真实项目,技术实践价值较高
  • 岗位涉及客户现场交付,需要同时处理技术问题和项目节奏,对沟通协调和现场应变能力要求较高
  • AI算力平台链路较长,从硬件、网络、存储到框架和模型迁移均可能遇到问题,技术排障复杂度较高
  • JD明确提到抗压能力和快速学习能力,说明工作中可能面临多任务并行、问题闭环和客户期望管理等压力

角色解读

  • 可向AI算力交付专家方向发展,深入智算中心、AI集群、昇腾/GPU平台的高阶部署、调优和故障定位
  • 可向解决方案架构师或技术专家转型,积累政企客户场景经验后参与方案设计、技术交流和平台规划
  • 也可向交付项目经理或技术管理方向发展,负责多项目协同、客户沟通、交付质量与团队能力建设
  • 负责AI服务器、网络设备、存储设备等硬件安装、上架、接线、加电调试,并完成操作系统、驱动、固件、容器平台和调度系统等基础软件栈部署
  • 参与AI算力集群的网络连通性测试、性能基准测试和压力测试,配合搭建并验证PyTorch、TensorFlow等AI框架环境
  • 协助客户完成模型迁移、适配和性能调优,排查训练或推理过程中的环境兼容、依赖库、性能瓶颈等技术问题
  • 负责交付期和质保期内的问题响应、故障分析报告、客户培训,并沉淀标准化交付流程和自动化工具
  • 需要熟悉Linux操作系统、网络协议和存储技术,能够完成服务器与网络存储设备的部署、调试和基础故障排查
  • 需要了解GPU/NPU等AI算力架构、容器化部署和分布式训练原理,理解AI平台从硬件到软件栈的交付链路
  • 需要掌握PyTorch、TensorFlow等主流AI框架的环境搭建与验证方法,能够协助客户处理模型迁移和适配问题
  • 需要良好的沟通协调、项目管理、客户服务意识,以及面对现场问题时的快速学习和抗压能力

申请策略

  • 申请前建议了解华为政企AI算力、昇腾算力平台和智算中心相关业务方向,面试中能结合客户场景表达理解
  • 可在沟通中主动询问项目类型、客户现场比例、团队分工和交付周期,判断岗位与个人职业偏好是否匹配
  • 突出参与过的服务器、网络设备、存储设备部署调试项目,写明设备规模、交付周期、验收结果和个人负责环节
  • 重点展示Linux、网络协议、存储技术、容器平台、调度系统等技能,以及在实际项目中排查故障和性能问题的案例
  • 如果有AI算力、GPU/NPU、智算中心、PyTorch或TensorFlow相关经验,应单独列出项目背景、环境配置、迁移适配和调优结果
  • 强调客户沟通、技术培训、问题跟踪闭环和项目推进经历,体现不仅会技术执行,也能保障交付质量
  • 可补充Linux系统管理、网络排障、存储配置和容器化部署的实操能力,建议准备可复述的故障排查案例
  • 可学习AI算力平台基础,包括GPU/NPU架构、分布式训练原理、PyTorch/TensorFlow环境搭建和常见性能瓶颈定位方法

面试指南

  • 项目类问题采用背景、目标、职责、行动、结果的逻辑回答,重点说明自己在部署、调试、排障和验收中的具体贡献
  • 技术排障问题按现象确认、信息收集、分层定位、验证修复、复盘沉淀的步骤展开,体现结构化分析能力
  • 客户沟通问题强调问题优先级、责任边界、进度同步、风险预警和闭环文档,突出交付工程师的客户意识
  • 请描述一次你参与IT基础设施或算力平台交付的完整项目,你负责哪些环节,最终结果如何?
  • AI服务器、网络设备和存储设备部署后,如果集群网络连通正常但训练性能不达预期,你会如何排查?
  • 你如何完成Linux环境下的AI框架依赖配置,遇到依赖库兼容问题通常怎么处理?
  • 面对客户现场提出的紧急技术问题,你如何建立问题跟踪闭环并推动解决?
  • 你了解GPU/NPU、容器化部署和分布式训练吗?请结合项目经历说明你的理解

职位点评

薪资福利68
成长发展82
工作生活45
使命价值72

薪资福利

68中等

JD未披露薪资和福利信息,无法判断薪酬竞争力;岗位要求涉及AI算力平台交付和现场客户支持,技能门槛较明确。

薪资信号未披露(AI估算:1.5千–2.8万/月)

成长发展

82较高

岗位覆盖AI算力平台部署、模型迁移适配、性能调优和交付工具自动化,技术链路完整,对技能成长较有利。JD未提及明确晋升路径或培训机制。

技术前沿前沿/新兴技术
技术栈AI算力、智算中心、AI集群、昇腾、GPU、NPU、Linux、容器化部署、分布式训练、PyTorch、TensorFlow
业务类型ambiguous

工作生活

45较低

JD未明确办公模式、远程天数、双休或弹性工时等信息;岗位职责包含设备部署、客户现场支持和问题响应,通勤与现场投入可能较多,但具体安排需与招聘方确认。

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

72中等

岗位参与AI算力基础设施和智算中心交付,属于AI落地的重要支撑环节,技术应用场景较有前景;JD未直接描述社会使命或公共价值导向。

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