华为
AI Infra研究员
AI Infra研究员
发布于 大约 11 小时前普通员工/个人贡献者
深圳市 / 上海市
专家级经验
全职员工
仅现场办公
学历未注明
机器学习工程
分布式系统
大模型
并行计算
数据工程
算子开发
系统架构
高性能计算
训练推理优化
AI 估算 · 35k–70k
AI基础设施核心研发岗，技术门槛高，华为薪酬竞争力强，月薪约5万。
职位详情
关于这个职位
该职位是华为AI Infra实验室的核心研究岗，专注于大模型时代的数据系统、建模仿真、训练推理系统和算子加速技术
你将负责主导高吞吐数据基础设施、分布式调度、弹性资源调度等创新研究，并通过顶会论文与开源社区贡献技术影响力
适合在大模型和分布式系统领域有深厚积累的研究人才
最低要求
【AI数据系统】 1、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和深厚的理论功底
具备扎实的算法和代码实现能力，深入理解模型架构、数据工程、操作系统、分布式计算与存储系统、并行软件开发原理，并有相关研究或项目经验
具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破关键技术难题
具备卓越的系统设计与工程实现能力，对分布式计算与存储系统有深入研究，有高性能数据处理与调度系统架构经验，或推理服务化部署、集群性能优化方面的创新成果者优先
在领域顶级会议（如 NeurIPS、ICML、ICLR、CVPR、ACL、OSDI、SOSP、EuroSys、FAST、SC、VLDB、SIGMOD、ICDE 等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如 ACM、ICPC 等）获奖经历者优先
【建模仿真】 1、计算机、人工智能、数学、控制科学与工程等相关专业
精通AI训练推理核心性能优化算法，精通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
精通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
【AI训推系统】 1、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
具备扎实的算法和代码实现能力，深入理解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发原理
具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破技术难题
具有语言/多模态/Agent/空间智能等大模型训练和推理的深入研究经验，熟练掌握训推系统优化的前沿方法和工具
在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如ACM）获奖经验者优先
【AI算子技术】 1、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
具备扎实的算法和代码实现能力，深入理解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发原理，并有相关研究或项目经验
具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破关键技术难题
具有大模型训推系统、算子开发调测的深入研究经验，熟练掌握算子优化和性能调测的前沿方法与工具，对硬件架构和编译优化有深刻理解者优先
在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、PLDI、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/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
工作职责
【AI数据系统】 1、负责语言、多模态与 Agent场景下数据生产与流转体系的创新研究，主导高吞吐、可扩展数据基础设施的架构设计，突破数据采集、处理、存储与分发效率瓶颈，支撑规模化模型训练与行业调优
主导面向异构分布式环境的数据处理与调度系统研究，创新分布式数据流水线与推理服务化架构，优化多模型推理、数据合成与蒸馏的高并发执行，实现资源利用率与整体吞吐的跨越式提升
主导统一数据格式与版本管理体系的架构设计，创新面向大规模训练与推理的存储架构，提升数据可追溯性与生命周期管理能力，支撑 PB 级数据规模的平滑扩展
领导大模型数据工程平台与工具链能力建设，主导任务编排、指标采集、失败恢复与自动扩缩容等核心模块的研究与设计，构建数据生产与验证的智能化自动化闭环，驱动数据飞轮高效运转
把握分布式计算、存储与推理加速等领域的前沿技术趋势，与算法及平台团队协同创新，推动数据工程与训练系统、推理服务及 Agent架构的深度融合，持续提升工程成熟度与技术竞争力
【建模仿真】 1、负责AI系统建模与仿真策略制定：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，研究超参规模下的分布式训练策略、集群/端侧推理优化方案
制定性能验证方案，覆盖训练吞吐、推理时延、能效比等核心指标
负责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
建立量化验证体系，确保仿真结果可靠性
负责系统优化与方案决策：定位大模型训练瓶颈，设计弹性资源调度算法，实现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
模拟真实AI工作负载下的数据流、控制流，分析算力互联控制机制、拓扑结构对AI负载性能的影响，提出改进方案并通过仿真验证其有效性
支持算力互联架构设计、资源调度策略等系统级优化
【AI训推系统】 1、负责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创新研究，引领业界方向，实现关键算法和技术突破，推动成果落地产品并产生商业价值
主导训推框架和加速特性的前沿设计与研究，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方向，探索下一代技术方案
主导AI训练/推理系统的优化方案研究，开展AI模型算法与计算系统的联合创新优化，通过计算、内存、通信、IO等软硬协同设计，支撑下一代训推系统竞争力构建
把握并引领业界和学术界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研究进展和技术趋势，参与业界顶会，参与开源社区贡献，持续提升AI算力集群系统竞争力，将前沿成果融入研发
【AI算子技术】 1、负责大模型训练推理算子的创新设计与研究，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，主导算子加速技术突破，推动成果落地产品并产生商业价值
主导算子性能优化、精度分析和计算图优化等前沿方案研究，通过数学等价变换、流水编排、深度融合、调度优化、Tile优化等创新方法，实现算子性能的跨越式提升，为下一代训推系统奠定基础
主导高性能算子库、基础加速库、算子开发框架的架构设计与核心开发，包括AscendC、Triton、TileLang等编程语言的关键技术创新
领导自动算子生成工具的研发，结合AI Agent技术构建智能化算子开发体系，大幅提升开发效率和自动化水平
负责业界前沿技术研究和技术规划，主导专利申请和高质量论文撰写，领导开源项目，代表华为与全球专家交流合作，构建公司在AI计算领域的技术影响力
优先资格
有高性能数据处理与调度系统架构经验，或推理服务化部署、集群性能优化方面的创新成果者优先
在领域顶级会议（如 NeurIPS、ICML、ICLR、CVPR、ACL、OSDI、SOSP、EuroSys、FAST、SC、VLDB、SIGMOD、ICDE 等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如 ACM、ICPC 等）获奖经历者优先
具备算力系统优化与异构计算架构性能调优经验者优先
在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如ACM）获奖经验者优先
对硬件架构和编译优化有深刻理解者优先
在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、PLDI、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/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
AI 洞察
优缺点分析
优点
- 华为作为科技巨头，提供极具竞争力的薪酬和福利，平台稳定
- 研究方向处于AI最前沿（大模型、分布式、算力优化），技术成长空间巨大
- 拥有丰富的资源和数据，可参与大规模实际系统落地，成就感强
- 要求极高，需具备顶尖的学术背景（顶会论文）和工程能力，竞争激烈
- 技术复杂度和不确定性高，需持续学习，不断拥抱快速变化的AI技术
缺点 / 挑战
- 工作强度大，可能面临高压力和高时长，尤其是项目高峰期
- 适合对AI底层技术充满热情、具备扎实计算机系统功底和研究能力、愿意接受高挑战并追求技术极致的研究型人才
角色解读
- 成为AI基础设施领域的顶尖专家，引领业界技术方向，参与行业标准制定
- 有机会晋升为研究团队的技术负责人或架构师，带领团队突破关键技术
- 通过顶级会议论文、开源项目和专利，建立个人技术品牌和全球影响力
- 负责大模型数据生产与流转体系的架构设计，主导高吞吐数据基础设施、分布式调度和存储系统的创新研究
- 进行AI系统建模仿真，开发仿真平台，验证训练稳定性，优化集群资源利用率
- 研究训练推理关键技术，优化预训练、RL训练、推理引擎等，推动软硬协同设计
- 设计高性能算子，通过数学变换和调度优化实现算子加速，并参与开源项目和专利撰写
- 扎实的计算机系统基础，深入理解分布式计算、存储系统、操作系统和并行编程
- 熟练掌握主流编程语言（C++/Java/Python），具备优秀的算法和代码实现能力
- 精通大模型训练推理原理，熟悉AI框架（如PyTorch等）和训推系统优化方法
- 具备系统性能分析和调优能力，熟悉异构计算架构（如GPU/NPU）和编译优化技术
申请策略
- 了解华为AI战略和昇腾生态，在面试中体现与公司方向的契合
- 准备一个能体现系统能力的技术分享，如大型集群调优案例
- 突出在分布式系统、AI训练推理或算子优化方面的项目经验，展示具体成果和数据提升
- 强调顶会论文发表经历或顶级竞赛获奖，证明研究能力
- 展示对大模型架构和AI框架底层的深入理解，如技术博客、开源贡献
- 补强C++/Python编程能力，熟悉分布式训练框架（如DeepSpeed、Megatron）的底层实现
- 学习GPU/华为昇腾等异构计算架构，掌握性能分析工具和编译优化方法
- 关注AI Infra领域最新论文，尝试复现并思考改进方向
面试指南
- 使用STAR法则：情境-任务-行动-结果，突出个人贡献和量化成果
- 从系统、算法、硬件多角度分析问题，展示全局观和深度思考
- 结合华为的业务场景（如昇腾芯片、大模型训练），体现针对性
- 请描述你参与过的最具挑战性的分布式系统优化项目，如何定位瓶颈并解决？
- 大语言模型训练中，如何设计数据流水线以减少训练时间？
- 解释一下FlashAttention的原理，你会如何进一步优化？
- 如何评估一个AI系统的性能？从哪些维度进行？
- 为什么选择华为AI Infra？你对未来AI基础设施的发展趋势有何看法？
职位点评
70
综合评分
华为AI Infra研究员，前沿技术、高薪稳定，但工作强度大，WLB一般。
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
适合追求前沿技术、愿意投身AI基础设施深入研究、不太注重工作生活平衡的研究型人才。
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92
工作生活25
使命价值70
薪资福利
80较高
华为薪资水平具有高度竞争力，平台稳定，但JD未明确具体福利，补偿性动机较好满足。
薪资信号未披露（AI估算：35K-70K/月）
成长发展
92较高
该职位聚焦AI基础设施最前沿技术，拥有顶会交流、开源领导机会，发展空间极大。
技术前沿前沿/新兴技术
技术栈大模型、分布式系统、数据工程、训练推理优化、算子优化、并行计算、C++、Python、AI框架
成长机会领导开源项目、代表华为与全球专家交流合作、构建技术影响力
业务类型ambiguous
工作生活
25较低
华为普遍高强度，JD未提及弹性工作或远程，生活化动机满足程度低。
工作模式仅现场办公
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
70中等
AI基础设施对行业有推动意义，但JD未强调社会价值，意义感中等。
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