
快手
大模型调度引擎与平台研发工程师-【可灵AI】
大模型调度引擎与平台研发工程师-【可灵AI】
发布于 38 分钟前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Gpu资源调度
任务调度
分布式系统
可观测性
容器化
值不值得投
77综合评分
综合评分 77
前沿大模型平台研发岗,技术成长强,工作模式与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
5.0万
比AI算法中位数高
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 2840 个在招 · 其中AI算法 5 个
市场机会
选择面较广
北京 · AI算法 · 约 240 个在招
职位详情
关于这个职位
该岗位面向可灵AI的大模型平台研发,主要负责多模态模型接入、流量路由、分布式调度执行引擎和训推一体化平台建设
你将围绕图像、视频、音频生成业务,优化推理吞吐、时延、资源成本与系统稳定性,属于偏基础架构和AI平台工程的技术岗位
最低要求
本科及以上学历,计算机、软件工程、人工智能等相关专业,3 年及以上后端、分布式系统或基础架构研发经验
熟练掌握 Java/Golang 中至少一种语言,具备扎实的编程基础,熟悉数据库、缓存、消息队列等常用组件
具备分布式系统设计与开发能力,熟悉任务调度、并发处理、故障恢复等机制,有系统性能优化与稳定性治理经验
了解 Linux、容器化及 Kubernetes,具备良好的系统抽象与跨团队协作能力,能够独立推进技术方案设计和落地
工作职责
负责多模态大模型的统一接入与流量路由,建设模型服务接入、路由策略与流量治理能力,支撑图像、视频、音频等生成业务
负责分布式工作流与调度执行引擎建设,完善任务编排、队列调度、异构算力分发及故障恢复能力,围绕成本感知路由、弹性资源利用、调度执行优化等方向,持续优化推理吞吐、端到端时延与资源成本
建设覆盖模型开发、训练、评测、部署与运行监控的全生命周期平台,提供训推任务、模型资产与工作流管理能力,打通自动化测试、评测及灰度发布流程,提升研发与交付效率
负责核心系统的性能优化与稳定性建设,完善全链路可观测能力,保障高并发、跨区域场景下的服务可靠性
优先资格
有工作流引擎、分布式调度、流量路由、GPU 资源调度或大模型训推平台建设经验者优先
AI 洞察
优缺点分析
优点
- 岗位处在多模态大模型与 AI 平台基础设施交叉方向,技术栈具有较强前沿性和积累价值
- 工作内容覆盖模型接入、调度、评测、部署和监控,能形成较完整的 AI Infra 平台经验
- 围绕推理吞吐、时延和资源成本做优化,成果容易与业务效果和工程效率直接关联
- 跨团队协作和技术方案落地机会较多,有利于提升系统抽象与架构能力
- 系统复杂度高,需要同时理解分布式调度、模型服务、资源治理和稳定性建设
- 适合有后端、基础架构或 AI 平台经验,希望深入大模型基础设施和分布式调度体系的工程师
- 尤其适合对系统性能、资源效率和平台化建设有兴趣的求职者
缺点 / 挑战
- 高并发、跨区域、异构算力场景对性能优化和故障处理能力要求较高
- 平台类需求通常涉及多团队协同,推进过程中可能面临需求变化和技术取舍压力
角色解读
- 可以向 AI 平台架构师、分布式系统架构师方向成长,负责更大规模的模型服务与算力调度体系
- 也可以向技术管理方向发展,带领平台团队建设大模型训推、评测和推理基础设施
- 长期可拓展到多模态生成业务、AI Infra、云原生调度和成本优化等高价值技术方向
- 负责把图像、视频、音频等多模态大模型统一接入平台,并设计路由、限流和流量治理策略,让不同模型服务能稳定承接业务流量
- 负责分布式工作流和调度执行引擎,包括任务编排、队列调度、异构算力分发、故障恢复和成本感知路由
- 建设覆盖开发、训练、评测、部署、监控的模型全生命周期平台,打通自动化测试、评测和灰度发布流程
- 围绕高并发和跨区域场景做性能优化、稳定性治理和全链路可观测建设,保障推理服务可靠性
- 需要熟练掌握 Java 或 Golang,并具备数据库、缓存、消息队列等后端常用组件经验
- 需要理解分布式系统设计,掌握任务调度、并发处理、故障恢复、性能优化和稳定性治理
- 需要了解 Linux、容器化和 Kubernetes,具备云原生基础设施与资源调度相关经验
- 有工作流引擎、流量路由、GPU 资源调度或大模型训推平台经验会明显加分
申请策略
- 申请前建议了解可灵AI的图像、视频生成业务特点,思考模型服务高并发和成本控制场景
- 面试中尽量结合真实项目说明技术取舍,尤其是调度策略、稳定性治理和跨团队推进过程
- 突出你参与过的分布式系统、任务调度、工作流引擎或基础架构项目,说明系统规模、关键难点和个人贡献
- 重点展示 Java/Golang 后端开发能力,以及数据库、缓存、消息队列、Kubernetes 等组件的实际使用经验
- 如果有模型服务接入、GPU 资源调度、训推平台、灰度发布或可观测性建设经验,应单独强调
- 用量化结果呈现优化成果,例如吞吐提升、时延下降、资源成本降低、故障恢复时间缩短等
- 补强 Kubernetes、容器化、Linux 性能分析和全链路可观测工具链,提升云原生平台落地能力
- 熟悉大模型训推流程、模型服务部署、评测体系、灰度发布和推理成本优化方法
面试指南
- 先描述业务场景和系统目标,再给出整体架构分层,包括接入层、路由层、调度层、执行层、监控层
- 围绕关键难点展开,例如任务幂等、重试、队列积压、资源隔离、灰度发布、可观测性和故障降级
- 用真实项目数据说明结果,优先讲清楚问题背景、你的方案选择、取舍原因和最终收益
- 如何设计一个支持多模态大模型统一接入和流量路由的系统?
- 分布式工作流与调度执行引擎中,如何保证任务可靠执行和故障恢复?
- 面对 GPU 等异构算力资源,如何做成本感知路由和弹性调度?
- 如何定位和优化大模型推理服务的高时延与低吞吐问题?
- 如何建设覆盖开发、训练、评测、部署和监控的模型全生命周期平台?
职位点评
薪资福利82
成长发展90
工作生活50
使命价值78
薪资福利
82较高
JD未披露薪资与福利信息,但岗位要求较高的分布式系统和AI平台能力,通常对资深工程师具备较强吸引力。稳定性与福利相关条款未提及,需面试确认。
薪资信号未披露(AI估算:3.5千–6.5万/月)
成长发展
90较高
岗位覆盖大模型训推平台、分布式调度、流量路由、GPU资源调度和全链路可观测,技术成长空间明确。JD还提到优先经验方向,说明岗位与前沿AI基础设施能力高度相关。
技术前沿前沿/新兴技术
技术栈多模态大模型、流量路由、分布式工作流、调度执行引擎、异构算力分发、GPU资源调度、大模型训推平台、Kubernetes、可观测
业务类型ambiguous
工作生活
50较低
JD仅明确地点为北京,未说明远程、混合办公、弹性工时或加班情况。工作模式信息不足,生活化动机满足程度无法准确判断。
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
78中等
岗位支撑图像、视频、音频等生成业务,并围绕推理吞吐、时延和资源成本持续优化,具有较强技术价值。JD未直接描述社会使命或行业价值导向,意义感主要来自技术挑战和业务应用。
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
快手 的其他在招职位
相似职位推荐
Sr. Researcher, Model & Agent Evolution
联想 · 北京市
AI 估算 · 6.0–10.0万27 分钟前发布
Advisory Researcher, Omni & Multimodal Interaction Researcher
联想 · 北京市
AI 估算 · 3.5–6.5万27 分钟前发布
AI互连通信资深研究员
联想 · 北京市
AI 估算 · 4.5–7.5万27 分钟前发布
Sr. Researcher, Omni & Multimodal Interaction Researcher
联想 · 北京市
AI 估算 · 6.0–10.0万27 分钟前发布
Associate Director, Software Engineering
汇丰 · 广州市
AI 估算 · 6.0–9.5万1 小时前发布
Industrial Engineering ES
德科斯米尔 · 沈阳市
AI 估算 · 1.8–3.0万1 小时前发布
Ai Infra开发工程师
滴滴出行 · 北京市
AI 估算 · 3.5–6.5万1 小时前发布
Ai Infra开发工程师
滴滴出行 · 北京市
AI 估算 · 3.5–6.5万1 小时前发布
Watch Jobs