易盾-AI研发工程师（国产化芯片适配）

优缺点分析

角色解读

• 技术纵深发展：从算法工程到AI系统架构师，专攻推理优化和分布式部署
• 横向扩展：可转向AI平台开发、芯片软件栈或端云协同方向
• 管理路线：带团队负责核心部署项目，晋升为技术负责人或架构师
• 负责AI模型推理服务的性能优化，通过框架调优和硬件适配提升并发能力和降低延迟
• 设计并实现多模态、大模型及Agent工作流的部署架构，确保高可用和可扩展性
• 参与国产芯片（如昇腾、寒武纪）的模型适配和性能调优，推动技术落地
• 跟进前沿技术，如模型轻量化和端侧部署，持续改进部署方案
• 扎实掌握TensorRT、vLLM等主流推理部署框架，并有深度实践经验
• 熟悉模型优化技术（剪枝、量化、蒸馏、KV Cache等）和国产芯片适配
• 精通Python/C++编程，具备良好的工程习惯和性能调优能力
• 了解大模型推理流程和Agent服务化部署，关注技术趋势

申请策略

• 投递前仔细阅读Job Description，在简历和求职信中针对性呼应每个要求
• 关注网易智企的业务方向（如安全、客服），思考如何结合自身经验创造价值
• 突出模型部署框架（如TensorRT、vLLM）的深度实践经验，附上具体优化效果（如延迟降低、吞吐提升）
• 展示国产芯片适配项目经历，包括芯片型号、模型精度对齐和性能数据
• 强调Python/C++编程能力，尤其是性能敏感代码的优化案例
• 提及对AI技术趋势的关注，如大模型推理、Agent工作流等
• 若缺乏国产芯片经验，可先学习昇腾CANN或寒武纪工具链，做开源模型适配练习
• 补充模型轻量化技术（量化、蒸馏）的实操，如使用TensorRT量化工具

面试指南

• 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出量化指标
• 对于技术问题，先阐述原理，再结合具体工具或框架给出实践步骤
• 展现系统思维：从整体架构出发，权衡性能、成本和可扩展性
• 请详细介绍你在TensorRT或vLLM上的优化项目，包括遇到的挑战和解决方案
• 如何实现一个模型在昇腾芯片上的适配？请描述流程和关键技术点
• 在大模型推理中，如何平衡延迟和吞吐？请举例说明
• 你如何理解Agent工作流？在实际部署中需要考虑哪些问题？
• 请解释剪枝、量化和蒸馏的区别，以及适用场景