百度
大模型AI Infra平台研发工程师（J105494）
大模型AI Infra平台研发工程师（J105494）
发布于 2 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
Ai Infra
Go
Llmops
Mlops
分布式系统
大模型
值不值得投
69综合评分
综合评分 69
前沿AI Infra平台研发，技术成长性高，但WLB不明确。
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
与人工智能中位数基本持平
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 1110 个在招 · 其中人工智能 23 个
市场机会
选择面较广
北京 · 人工智能 · 约 510 个在招
职位详情
关于这个职位
这个职位负责百度大模型AI基础设施（AI Infra）平台的研发工作，核心是构建支撑预训练、微调、强化学习等场景的统一实验平台
你将参与大规模分布式资源调度设计，基于Kubernetes和Ray等技术栈，保障超大规模训练任务的稳定运行，并探索通过Agent工作流提升平台自动化水平
最低要求
本科及以上学历，计算机、软件工程、人工智能或相关专业
年及以上分布式系统、云原生平台、AI Infra 或大模型训练平台研发经验
熟练掌握 Go、Python、C++、Java 中至少一种语言，能独立完成生产级系统的设计、编码、测试、上线与运维
具备在大数据处理系统 Ray/Spark、分布式系统 Kubernetes 上构建 AI 平台的经验
对大模型一站式实验平台（MLOps/LLMOps）平台建设有深入了解，掌握数据版本管理、实验追踪、模型中心、推理部署、模型评估等模块的技术细节
具备 Agent 工具调用、MCP/Skill、长期任务状态、评估与回放、Memory 或 Auto Research 相关实践经验
具备较强的抽象与系统设计能力，能从用户目标出发定义对象、边界、接口与验收指标
具备良好的 Ownership 与跨团队推动能力，自驱力强，敢于攻坚复杂系统问题
工作职责
参与超大规模的 AI Infra 平台架构设计与研发，统一承载预训练、Midtrain、SFT、RL 场景，打通数据版本、代码、镜像、配置、资源与产物，实现全程可观测、可追踪
统一训练指标、系统指标、日志、资源与评估结果视图，支撑实验归因、故障归因、性能与成本分析
基于 Kubernetes、Ray 等技术栈，设计大规模异构资源调度体系，提供拓扑感知、配额抢占、细粒度容错、弹性扩缩容、长任务恢复、异常对账、灰度回滚等能力，保障超大规模训练任务稳定运行
建设 Agent 友好的 API 与工作流，统一自然语言、表单、YAML、CLI 的实验与执行语义
探索参数补全、任务编排、故障诊断与受约束自动化实验迭代
独立完成复杂问题拆解、方案设计、上线验证与复盘改进，推动多团队达成接口、排期与验收共识，识别架构演进与技术债风险并沉淀工程机制
AI 洞察
优缺点分析
优点
- 技术栈前沿，直接参与大模型基础设施建设，能积累稀缺的AI Infra经验
- 公司平台资源丰富，能接触顶级技术团队和业务场景
- 涉及超大规模系统，技术复杂度高，需要处理高并发、高可用问题
- 技术迭代快，需要持续学习新知识以保持竞争力
缺点 / 挑战
- 平台规模大、挑战性强，有助于提升系统设计和工程能力
- 跨团队协作频繁，对沟通和项目管理能力有较高要求
- 适合对分布式系统、云原生技术和AI基础设施有浓厚兴趣，追求技术深度，并能承受一定工作压力的工程师
角色解读
- 技术专家路线：深耕AI Infra领域，成为分布式系统或云原生架构专家
- 技术管理路线：从工程师成长为技术经理或架构师，负责更大规模平台规划
- 跨领域发展：向AI算法平台、数据平台或基础架构等更广泛领域拓展
- 设计和研发支撑大模型全生命周期的AI基础设施平台，包括实验管理、资源调度和任务监控
- 构建基于Kubernetes和Ray的大规模异构资源调度系统，确保超大规模训练任务的稳定性和效率
- 开发Agent友好的API和工作流，提升平台自动化水平和用户体验
- 掌握Go、Python等编程语言，具备生产级系统开发经验
- 精通分布式系统和云原生技术，如Kubernetes、Ray/Spark
- 深入理解MLOps/LLMOps平台架构和大模型训练流程
- 具备系统设计能力和跨团队协作推动力
申请策略
- 研究百度在AI Infra和大模型领域的公开技术博客或论文，了解其技术栈和挑战
- 在面试中突出你对AI平台架构的思考，展示系统设计能力
- 突出在分布式系统、Kubernetes、Ray等云原生技术栈上的项目经验
- 强调参与或主导过的AI平台、MLOps/LLMOps相关项目成果
- 展示解决复杂系统问题（如资源调度、任务容错）的具体案例
- 体现跨团队协作和推动项目落地的软技能
- 深入学习Kubernetes、Ray等云原生框架的底层原理和调优方法
- 补充Agent、MCP/Skill等自动化实验相关知识和实践经验
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验，突出个人贡献
- 结合具体技术细节（如调度算法、容错机制）阐述方案设计，体现深度
- 强调从用户需求出发的设计思路，展示抽象能力和工程化落地能力
- 请描述你设计或参与的一个大规模分布式系统的架构，以及你解决的关键技术挑战
- 如何设计一个支持多租户、资源隔离的Kubernetes调度器来优化AI训练任务？
- 你对MLOps/LLMOps平台有哪些理解？在实际项目中如何实现实验追踪和模型管理？
- 如何构建Agent友好的API来简化用户的实验流程？请举例说明
- 遇到超大规模训练任务失败时，你会如何进行故障诊断和恢复？
职位点评
薪资福利65
成长发展85
工作生活50
使命价值75
薪资福利
65中等
该职位对补偿性动机的满足程度中等。公司已上市，规模较大，但JD未明确薪资和福利细节，需进一步确认。
薪资信号未披露（AI估算：2.5–4.5万/月）
成长发展
85较高
该职位对发展性动机满足程度较高。技术栈前沿，涉及大模型、分布式系统等新兴领域，能提供显著的技能成长机会。
技术前沿前沿/新兴技术
技术栈大模型、Kubernetes、Ray、AI Infra、MLOps、Agent
业务类型ambiguous
工作生活
50较低
该职位对生活化动机的满足程度有限。JD未提及办公模式、工作时间或WLB相关信号，无法判断工作强度和灵活性。
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
75中等
该职位对意义感动机有较好满足。所在行业为高速增长的人工智能赛道，基础设施研发能间接支撑AI技术落地，但社会影响力较为间接。
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
百度 的其他在招职位
相似职位推荐
Watch Jobs