滴滴出行
27届秋招-自动驾驶-AI Infra工程师（for ML Infra）
27届秋招-自动驾驶-AI Infra工程师（for ML Infra）
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
无经验要求
全职员工
仅现场办公
硕士
机器学习工程
Cuda
分布式训练
大模型
性能优化
深度学习
自动驾驶
软件工程
AI 估算 · 25k–40k
自动驾驶AI Infra为前沿方向，算法基础要求高，滴滴规模大，校招薪资有竞争力。
职位详情
关于这个职位
作为滴滴自动驾驶部门的AI Infra工程师，你将专注于自动驾驶大模型的性能分析与深度优化，充分发挥硬件特性
你将与算法团队紧密合作，调研并应用前沿的分布式训练优化技术，同时引导算法设计出训练效率友好的模型架构
这是一个面向2027届硕士的校园招聘岗位，适合对高性能计算、深度学习和自动驾驶领域有浓厚兴趣的技术人才
最低要求
届毕业生，硕士及以上学历，计算机或人工智能相关专业优先
扎实的软件工程能力，可以熟练使用 Python 或 C++ 语言进行软件开发
熟悉cuda编程，了解常用的分布式训练优化技术
良好的沟通能力和团队协作能力
工作职责
针对自动驾驶大模型进行性能Profile， 并深度优化，充分发挥硬件特性
调研了解大模型训练性能优化技术，并应用于自动驾驶大模型
与算法密切沟通，引导算法设计训练效率友好的模型架构
AI 洞察
优缺点分析
优点
- 技术前沿：自动驾驶大模型和AI Infra是当前AI领域最热门的方向之一，能接触到最尖端的系统和算法
- 平台优势：滴滴作为一线互联网大厂，拥有丰富的业务场景和算力资源，技术积累深厚
- 职业发展：校招起点高，可接触到从模型训练到系统优化的完整链路，个人成长空间大
- 薪酬竞争力：AI Infra岗位技术门槛高，大厂通常提供有竞争力的薪酬和福利
- 技术难度大：需要同时掌握系统底层知识和深度学习算法，学习曲线陡峭
- 加班可能：互联网大厂研发岗位通常有一定强度，但JD未明确说明，需做好心理准备
- 适合对系统性能优化和GPU编程有浓厚兴趣，喜欢钻研底层技术，同时希望参与自动驾驶前沿项目的研究生
缺点 / 挑战
- 工作压力：自动驾驶业务节奏快，可能需要应对紧急性能优化任务和复杂的系统问题
角色解读
- 技术专家方向：深入GPU底层优化和AI基础设施，成为系统性能专家
- 架构师方向：负责设计大型自动驾驶AI训练平台，统筹算力调度与集群管理
- 技术管理方向：从工程师逐步成长为技术Lead，带领AI Infra团队支撑业务发展
- 对自动驾驶大模型进行性能分析和瓶颈定位，通过CUDA优化、算子融合等手段提升训练速度
- 探索和引入业界最新的大模型训练优化技术，如混合精度、梯度累积、流水线并行等，并落地到实际场景
- 与算法团队紧密协作，从系统角度提出模型架构设计建议，使模型在训练效率上更友好
- 维护和改进自动驾驶AI训练基础设施，包括分布式集群调优和资源管理等
- 扎实的编程能力：熟练掌握Python或C++，能够编写高性能的代码
- CUDA编程经验：理解GPU架构、内存管理，掌握kernel优化方法
- 分布式训练知识：了解数据并行、模型并行、ZeRO等常用技术
- 良好的沟通能力：能够与算法工程师高效协作，理解算法需求并反馈系统约束
申请策略
- 关注滴滴自动驾驶团队的公开技术分享，了解他们的技术栈和挑战，在面试中体现你的匹配度
- 准备一个能体现你工程能力的完整项目，最好能涉及性能优化或并行编程，并在面试中讲透设计思路
- 突出CUDA编程经验：如有任何GPU优化项目，详细描述优化思路和性能提升数据
- 展示分布式训练实践：参与过的大规模模型训练、多卡多机并行经验是加分项
- 强调软件工程能力：说明你用Python/C++开发过的项目，尤其是性能敏感的系统或工具
- 体现学习能力：如果对自动驾驶或大模型有了解，可以写在技术博客或课程项目中
- 深入学习CUDA优化技术：了解warp调度、shared memory的使用，尝试练习算子优化
- 熟悉主流分布式框架：如DeepSpeed、Megatron-LM、PyTorch DDP，并能对比其特点
面试指南
- 对于优化类问题，可从Profiling入手，先定位瓶颈（如算力不足、内存带宽、通信开销），再针对性地采用算子融合、混合精度、增大batch等技术，并用数据证明效果
- 对于概念类问题，先给出定义，再对比特点，结合自己的项目经验举例，说明适用场景
- 对于经历类问题，使用STAR法则：情境、任务、行动、结果，突出你的技术深度和解决问题的思路
- 如何优化一个PyTorch训练脚本的GPU利用率？请给出具体步骤
- 解释一下CUDA中的bank conflict，以及如何避免
- 你了解哪些分布式训练并行策略？数据并行和模型并行有何区别？
- 描述一次你通过性能分析定位并解决复杂问题的经历
- 如何看待自动驾驶大模型对训练系统的特殊需求？
职位点评
73
综合评分
前沿AI Infra方向，技术成长快，薪资可观，但工作强度可能较大，WLB一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
该职位最适合以技术成长和职业发展为优先动机的求职者，即渴望深入AI Infra领域、喜欢攻克技术难题的应届生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活45
使命价值70
薪资福利
75中等
该职位为滴滴大厂校招岗位，薪资预计在25k-40k/月，具有竞争力，但JD未明确具体福利，综合评分为75。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
岗位涉及大模型、CUDA、分布式训练等前沿技术，技术深度和成长空间大，发展性动机满足程度高。
技术前沿前沿/新兴技术
技术栈CUDA、Python、C++、分布式训练、性能优化、大模型、自动驾驶
业务类型ambiguous
工作生活
45较低
JD要求现场办公，未提及弹性工作或远程，互联网大厂研发岗位通常节奏较快，生活化动机满足程度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
自动驾驶行业具有改变出行方式的潜力，但JD未强调社会使命，创新度较高，意义感满足程度中等偏上。
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
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs