米哈游
资深AI Infra产品经理
资深AI Infra产品经理
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产品管理
产品管理
Ai基础设施
Gpu调度
Mlops
Prd撰写
产品规划
成本控制
数据分析
机器学习平台
值不值得投
80综合评分
综合评分 80
前沿AI基建赛道、技术成长性强、平台型产品导向、WLB待确认
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
5.5万
比产品管理中位数高
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 970 个在招 · 其中产品管理 25 个
市场机会
选择面较广
上海 · 产品管理 · 约 1030 个在招
职位详情
关于这个职位
负责AI基础设施平台核心模块（如训练任务管理、GPU调度、模型部署等）的产品规划与落地
深入挖掘算法/研发工程师痛点，输出PRD并推动跨部门交付
通过数据驱动优化开发者体验与资源利用率，跟踪行业前沿技术反哺平台演进
最低要求
本科及以上学历，计算机、软件工程、人工智能、数据科学、自动化等相关专业优先
年及以上产品经理工作经验，其中至少 1–2 年云计算、AI 基础设施、机器学习平台、开发者工具或数据平台相关产品经验（优秀者可放宽）
完整主导过至少 1 个平台型产品或核心模块从需求调研到规模化落地的全生命周期，能清晰说明业务背景、个人贡献和可量化结果
具备扎实的技术理解力，能与工程师对等沟通虚拟化/容器（Docker/Kubernetes）、资源调度、分布式训练/推理、网络与存储等核心概念
能独立读懂架构图和 API 文档
具备结构化思考和复杂问题拆解能力，能将模糊的技术需求转化为清晰的产品路径，并在目标、资源和质量之间做取舍决策
工作职责
独立负责 AI 基础设施平台中 1–2 个核心模块（如训练任务管理、GPU 资源调度、模型部署/Serving、权限与多租户、监控告警、成本分析等），对模块的产品规划、落地和结果负责
深度挖掘算法工程师和研发工程师在模型开发全链路中的真实痛点，抽象产品需求并转化为可落地的技术产品方案，输出 PRD、原型及高保真 Demo，推动研发、设计、测试协同交付
建立用户洞察机制，通过用户访谈、使用数据分析和 A/B 测试，持续优化控制台（Web）、CLI、SDK、文档等开发者触点的体验，提升平台的易用性和开发者效率（DevEx）
推动平台工程化运营，建立核心指标体系（如 GPU 利用率、任务排队时长、训练/推理成功率、单位算力成本），用数据驱动产品决策，与 Infra 团队共同提升资源利用效率
关注行业动态，跟踪 AWS SageMaker、Google Vertex AI、Kubeflow、Ray、vLLM 等主流产品/框架与 AI 基建趋势，沉淀方法论并反哺平台规划
优先资格
有 Kubernetes、Volcano/YuniKorn、Ray、Kubeflow、MLflow、vLLM/SGLang、Triton 等产品/框架的实际使用或产品化经验
有大规模 GPU/NPU 集群管理、算力调度、模型 Serving 或 MLOps 平台相关产品经验
有从 0 到 1 搭建平台型产品或主导平台商业化/内部计费/成本治理的实战经验
有技术背景（写过代码、能写脚本），或使用 AI Agent / 编程工具落地过内部效率工具，并产生实际影响
AI 洞察
优缺点分析
优点
- 聚焦AI基建前沿赛道，技术壁垒高且市场需求旺盛，履历含金量强
- 平台型产品直面顶尖算法/研发工程师，能快速积累硬核技术产品经验
- 公司盈利稳健，项目资源丰富且容错率高，利于长期架构打磨
- 技术门槛极高，需快速掌握底层分布式系统与算力调度逻辑
- 跨部门协同复杂，需处理多方利益冲突与技术债务累积
缺点 / 挑战
- 平台型产品见效周期长，需平衡短期交付压力与长期架构规划
- 具备技术背景或深耕AI/云平台产品的成熟PM，喜欢挑战高复杂度系统且追求长期技术复利的求职者
角色解读
- 向AI平台产品总监或技术型产品负责人发展，主导更大规模的基建架构规划
- 横向拓展至大模型应用层产品或企业级SaaS产品管理，拓宽业务边界
- 长期可转型为AI基础设施领域的战略顾问、技术创业者或投资领域研究员
- 负责AI基础设施平台核心模块的产品规划、原型设计与落地交付
- 深入算法与研发团队挖掘模型开发全链路痛点，输出技术方案并推动跨部门协同
- 建立数据指标体系，通过A/B测试与用户反馈持续优化开发者体验与资源调度效率
- 跟踪AWS SageMaker、Kubeflow等前沿AI基建趋势，沉淀方法论反哺平台架构演进
- 扎实的云计算与AI平台产品经验，熟悉MLOps流水线与算力调度逻辑
- 具备技术翻译能力，能理解Docker/Kubernetes、分布式训练/推理等底层概念
- 出色的需求抽象与复杂问题拆解能力，能在目标、资源与质量间做权衡决策
- 数据驱动思维，能搭建核心指标看板并指导产品迭代方向
申请策略
- 提前研究AWS SageMaker、Google Vertex AI等竞品功能矩阵，准备差异化对比思路
- 面试时展现对AI基建商业价值与内部效能的双重思考，避免纯功能堆砌
- 突出平台型产品从0到1或核心模块重构的全生命周期经验
- 量化GPU利用率提升、算力成本降低或开发者效率增长的具体数据
- 强调技术沟通能力与架构理解深度，附相关架构图或API设计说明
- 补充Kubernetes生态组件（如Volcano、Kubeflow）的实际应用场景知识
- 学习MLOps流水线设计与算力成本优化策略，掌握主流AI框架特性
- 强化数据看板搭建与A/B测试方法论，提升指标体系构建能力
面试指南
- 采用STAR法则结构化回答，重点突出“痛点洞察-方案抽象-技术对齐-数据验证-迭代闭环”的逻辑链条
- 强调在资源受限下的优先级排序与权衡决策，展示技术理解力与业务价值的平衡能力
- 用具体指标（如排队时长缩短比例、成本下降幅度）证明产品落地效果
- 如何设计一个支持多租户的GPU资源调度平台？
- 面对算法团队频繁变更的训练需求，产品如何保持架构稳定性？
- 如何衡量并提升开发者体验（DevEx）？请给出具体指标与改进案例
- 请分享一个你主导的复杂平台产品从需求调研到规模化落地的全过程
- 梳理过往平台产品的核心架构图与API设计思路，准备可视化演示材料
职位点评
薪资福利82
成长发展90
工作生活65
使命价值75
薪资福利
82较高
该岗位聚焦AI基建核心模块，技术要求高且经验门槛明确，整体薪酬竞争力符合一线城市资深产品岗市场水准。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
90较高
深度接触AI基建与MLOps前沿技术，技术成长空间广阔，平台型产品经验极具市场溢价。
技术前沿前沿/新兴技术
技术栈Kubernetes、GPU调度、MLOps、Ray、Kubeflow、vLLM
业务类型cost_center
工作生活
65中等
JD未明确提及办公模式与工时安排，平台型产品通常需兼顾长期架构规划与迭代交付，实际工作节奏需以团队实际情况为准。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
赋能AI基础设施研发，推动技术普惠与效率提升，具有显著的行业技术推动作用。
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
米哈游 的其他在招职位
相似职位推荐
Watch Jobs