智谱
机器学习平台研发工程师
机器学习平台研发工程师
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Deepspeed
Pytorch
云原生
分布式训练
高性能计算
值不值得投
77综合评分
综合评分 77
前沿AI基建岗位，技术挑战大，成长性强，适合追求技术深度的开发者
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
3.5万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
48 个在招 · 其中机器学习工程 6 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 570 个在招
职位详情
关于这个职位
负责智谱AI机器学习平台与算力基础设施的研发，主导大规模集群的资源调度、任务编排及容器运行时管理
基于Kubernetes等云原生技术构建核心能力，优化分布式训练与推理场景的性能与稳定性，降低算法团队使用门槛并提升研发效率
最低要求
本科及以上学历，3 年及以上研发经验，有大规模容器集群或平台型系统建设经验，有千卡及以上规模集群管理或调度经验者优先
熟练掌握 Golang，具备扎实的数据结构与算法基础，能够独立定位和解决复杂系统问题
熟悉 Kubernetes 核心机制与组件（如调度、网络、存储、Controller/CRD 等），了解容器运行时及云原生相关技术体系
熟悉常见分布式数据处理或计算框架（如 Ray / Spark / Flink 等），理解其架构设计与运行模型
了解并行计算与高性能计算相关技术，具备 OpenMP / MPI / RDMA 等使用或优化经验者优先
熟悉至少一种主流深度学习框架及分布式训练方案，如 PyTorch、DDP、DeepSpeed、FSDP 等
具备良好的自驱力、责任感和团队协作意识，能够与算法、平台及业务团队高效协作
工作职责
参与并主导大规模算力平台的设计与研发，覆盖资源调度、任务编排、容器与运行时管理等关键方向，持续提升集群整体资源利用率，保障训练与推理场景的稳定运行
基于 Kubernetes、Docker 等云原生技术，参与调度器扩展及 CRD/Controller 等核心能力建设，支撑大规模分布式训练与推理场景
持续推进平台的易用性与性能优化，完善工具链与开发体验，降低算法与模型团队的使用门槛，提升整体研发效率
AI 洞察
优缺点分析
优点
- 处于AI大模型风口，技术栈前沿（K8s+LLM Infra），能接触千卡级大规模集群实战
- 对云原生和分布式系统有浓厚兴趣，追求技术深度，抗压能力强的中高级研发工程师
缺点 / 挑战
- 需解决高并发、高可用下的资源调度难题，技术深度要求极高，调试复杂分布式系统压力大
角色解读
- 可向资深平台架构师、AI基础设施专家或技术管理方向发展
- 构建和维护支持大规模模型训练与推理的底层算力平台
- 精通Golang与Kubernetes生态，深入理解分布式系统与高性能计算原理
申请策略
- 准备关于‘如何提升千卡集群资源利用率’或‘K8s调度器定制’的具体项目案例，展示解决复杂系统问题的能力
- 突出大规模集群管理经验、K8s二次开发经历、Golang高性能编程能力及分布式训练优化案例
- 深入学习Kubernetes Operator开发模式，掌握RDMA网络优化及DeepSpeed/FSDP等分布式训练框架原理
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点阐述技术选型的权衡、遇到的具体技术瓶颈及量化优化成果
- 请描述你设计过的最大规模的Kubernetes集群，遇到了哪些挑战？
- 如何在Kubernetes中实现自定义调度器以支持GPU共享或异构资源调度？
- DeepSpeed或FSDP的分布式训练原理是什么？如何解决通信瓶颈？
- Golang在高性能网络编程中的最佳实践有哪些？
- 复习K8s核心组件源码逻辑，梳理分布式训练通信原理，准备1-2个体现系统调优能力的深度项目案例
职位点评
薪资福利75
成长发展90
工作生活60
使命价值80
薪资福利
75中等
AI行业薪资水平较高，但JD未明确提及福利细节，整体薪酬竞争力推测为市场偏上水平。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
职位涉及AI基础设施核心领域，技术栈前沿且业务场景极具挑战性，个人成长空间巨大。
技术前沿前沿/新兴技术
技术栈Kubernetes、Golang、PyTorch、DeepSpeed、RDMA、Distributed Training
业务类型cost_center
工作生活
60中等
JD未明确提及弹性工作制，通常此类高强度研发岗位可能面临一定的工作压力，但具体WLB取决于团队文化。
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
80较高
致力于推动AI大模型基础设施发展，具有显著的技术创新价值和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs