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

71综合评分

综合评分 71

AI算力交付技术岗,前沿技术积累强,薪资福利未披露,办公灵活性不明确

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

与实施工程师中位数基本持平

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

市场机会

选择适中

上海 · 实施工程师 · 41 个在招

职位详情

关于这个职位

该职位面向政企客户AI算力基础设施项目交付,负责智算中心、AI集群及昇腾/GPU算力平台的部署、调试、调优和验收

适合具备Linux、网络、存储和AI算力基础,且愿意参与客户现场交付与技术支持的工程师

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

有AI算力/智算中心项目经验者优先

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AI算力平台从硬件部署到模型适配的完整链路,技术积累面较广
  • 接触智算中心、AI集群、昇腾/GPU平台等场景,有利于积累政企AI基础设施建设经验
  • JD明确包含交付能力建设、工具自动化和最佳实践沉淀,有机会提升标准化和工程化能力
  • 客户培训和技术支持场景较多,能快速提升沟通、问题定位与现场交付能力
  • 技术栈跨度较大,既要懂硬件、网络、存储,也要理解容器、AI框架和分布式训练
  • 适合有IT基础设施交付经验、希望切入AI算力基础设施方向,并且能适应客户现场沟通与问题处理的工程师

缺点 / 挑战

  • 交付岗位需要面对客户现场环境和验收节点,问题响应和闭环压力较明显
  • 模型迁移和性能瓶颈排查对经验要求较高,初期需要快速补齐AI算力平台实战知识

角色解读

  • 可从AI基础设施交付工程师成长为高级交付专家,负责更复杂智算中心和多集群项目
  • 可向解决方案架构师、技术专家方向发展,参与方案设计、架构评审和技术方案优化
  • 也可转向AI平台运维、性能优化、容器云平台或客户成功等技术纵深岗位
  • 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,并完成基础软件栈部署
  • 完成AI算力集群的网络连通性、性能基准和压力测试,配合搭建PyTorch、TensorFlow等AI框架环境
  • 协助客户进行模型迁移、适配和性能瓶颈排查,提供训练/推理优化建议
  • 响应交付期和质保期问题,沉淀标准化交付流程、工具包和故障分析报告
  • 需要熟悉Linux、网络协议和存储技术,能够完成AI基础设施环境的部署与调试
  • 需要了解GPU/NPU算力架构、容器化部署和分布式训练原理,理解AI平台运行链路
  • 需要掌握PyTorch、TensorFlow等主流AI框架的环境搭建与问题定位基础
  • 需要良好的沟通协调、项目管理和客户服务能力,能在客户现场推动问题闭环

申请策略

  • 申请前了解华为政企AI算力、昇腾算力平台和智算中心相关业务方向,面试中体现业务理解
  • 准备可量化交付案例,例如部署节点数量、故障定位耗时、性能提升幅度或客户验收结果
  • 突出参与过的服务器、网络、存储设备部署调试项目,写明设备规模、部署环境和交付结果
  • 强调Linux、网络协议、存储、容器平台相关实操经验,最好附上故障排查和性能优化案例
  • 如果有AI算力、GPU/NPU、智算中心、PyTorch或TensorFlow环境搭建经历,应放在显眼位置
  • 体现客户沟通、培训、问题闭环和项目推进能力,说明自己能独立推动现场问题落地
  • 补充Linux系统排查、网络连通性分析、存储配置和性能基准测试能力
  • 学习容器化部署、调度系统、分布式训练基础,以及PyTorch/TensorFlow环境配置常见问题

面试指南

  • 项目类问题用背景、任务、行动、结果的结构回答,重点说明自己的具体贡献和可量化结果
  • 故障排查类问题按现象确认、信息收集、分层定位、验证修复、复盘沉淀的步骤展开
  • 技术理解类问题先讲基础原理,再结合部署、调优和客户场景说明实际影响
  • 请描述一次你参与IT基础设施交付的完整项目,你负责哪些环节,最终结果如何?
  • AI算力集群部署中,如何排查网络连通性、驱动兼容或性能不达标问题?
  • 你如何理解GPU/NPU算力架构,以及分布式训练对基础设施的要求?
  • 客户现场提出紧急问题时,你如何建立问题跟踪闭环并推动解决?
  • 你是否搭建过PyTorch或TensorFlow环境,遇到过哪些依赖库兼容问题,如何解决?

职位点评

薪资福利72
成长发展84
工作生活48
使命价值76

薪资福利

72中等

JD未披露薪资与福利信息,因此补偿性动机只能结合岗位技术门槛和城市市场判断,满足度中等偏上但缺乏明确承诺。

薪资信号未披露(AI估算:1.5千–2.8万/月)

成长发展

84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未明确晋升路径或培训机制,发展性主要体现在项目实践和技术积累。

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

48较低

JD未明确办公模式、弹性安排或休假福利,且岗位涉及客户现场交付、验收和问题响应,生活化动机满足度有限。

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

76中等

岗位参与政企AI算力基础设施建设,支持客户AI平台落地,技术方向具有较强行业前景。JD未直接描述社会使命或价值导向,意义感主要来自AI基础设施建设的行业属性。

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