科大讯飞
AI Infra工程师(J14428)
AI Infra工程师(J14428)
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公云计算
云计算
Ai基础设施
Cuda
Gpu编程
Vllm
分布式系统
大模型推理
性能优化
端云协同
值不值得投
64综合评分
综合评分 64
AI基础设施校招岗，技术前沿、成长性强，但WLB信号弱，适合技术钻研型候选人。
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。
薪资怎么样
20K
比云计算中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 220 个在招
市场机会
选择不多
合肥 · 云计算 · 1 个在招
职位详情
关于这个职位
该职位是科大讯飞的AI Infra工程师，专注于为智能体平台提供AI基础设施支持
工作核心包括大模型推理服务、端云协同调度与训推一体算力平台的建设，旨在提升平台性能、降低成本，并通过AI工具赋能研发
岗位属于校园招聘，面向计算机相关专业的优秀应届生
最低要求
学历专业：计算机、软件工程、人工智能、电子信息、通信工程、自动化等相关专业本科及以上
专业基础：具备扎实的计算机系统基础（操作系统、计算机网络、分布式系统），熟悉 Linux 环境，掌握 C++/Go/Rust/Python 中至少一门语言
了解大模型推理基本原理（KV Cache、连续批处理、量化等）与 GPU 算力调度基础概念，具备性能分析与问题定位的基础能力
核心能力与经验：有 vLLM/SGLang/TensorRT-LLM 等推理框架、Kubernetes 与容器化、CUDA/GPU 编程或分布式训练相关的课程项目、开源贡献或实习经历优先
掌握 AI 编程工具在研发中的应用，能够借助 AI 辅助编写代码、分析性能瓶颈、协助问题排查
综合素质：具备系统层面的性能分析、瓶颈定位和复盘能力，能够从指标出发开展优化，逻辑清晰
重视工程质量与服务稳定性，做事严谨细心，能够独立承担模块的设计、开发与上线工作
学习与创新能力：对推理加速、异构算力调度、端云协同、智能体运行时等方向感兴趣，主动追踪论文与开源社区前沿进展，愿意持续学习新技术
具备良好跨团队沟通能力，可配合算法、产品团队推进平台迭代与质量改进
职业素养：认同智能体基础设施的长期价值，对高性能、低成本的极致工程有热情，乐于尝试新的技术思路，参与训推一体、智能体调度等前沿方案探索与平台体系建设
工作职责
负责智能体开发与运行平台的 AI 基础设施建设，覆盖大模型推理服务、端云协同调度与训推一体算力平台，支撑各产品智能体的规模化落地与稳定运行
参与推理加速、多模型 Token 智能路由、长程任务状态管理与中断恢复等核心机制的设计与研发，持续提升平台性能与稳定性，降低单位推理成本
建设训推算力分时复用与数据飞轮基础设施（AB 实验、增量训练管线），探索面向智能体负载的调度优化，应用 AI 工具赋能研发，提升工程效能
AI 洞察
优缺点分析
优点
- 深入AI核心基础设施，接触大模型推理、异构计算等前沿技术，技术成长空间大
- 岗位属于公司战略性方向（智能体平台），有机会参与从0到1的体系建设
- 科大讯飞是行业头部企业，平台稳定，项目体量大，能积累丰富的大型系统工程经验
- 技术栈复杂且要求深，需要同时掌握系统、网络、GPU编程、AI推理等多个领域的知识
- 作为校招岗位，需要快速将理论知识转化为工程实践，适应大规模企业内的研发流程与协作模式
缺点 / 挑战
- 负责基础设施意味着直接支撑线上服务，对系统稳定性和工程质量要求极高，工作压力可能较大
- 适合对计算机系统底层原理有浓厚兴趣，热衷于通过工程技术解决性能瓶颈，希望深耕AI基础设施领域的应届毕业生
角色解读
- 技术专家路线：深耕AI基础设施的某个方向（如推理优化、异构调度），成为该领域的专家或架构师
- 技术管理路线：在积累足够项目经验和团队协作能力后，可向技术团队负责人方向发展
- 前沿探索路线：持续跟踪训推一体、智能体调度等前沿方向，参与或主导前沿技术的预研和落地
- 负责构建和维护支撑AI智能体应用的核心基础设施，包括大模型推理服务和算力调度平台
- 通过技术手段（如推理加速、资源优化）提升平台性能，降低运营成本，确保服务的稳定性和效率
- 运用AI编程工具提升团队研发效能，并与算法、产品团队紧密协作，推动平台迭代
- 扎实的计算机系统基础，精通C++/Go/Rust/Python至少一门语言，熟悉Linux环境
- 了解大模型推理原理（如KV Cache、量化）和GPU算力调度，有相关推理框架（vLLM/TensorRT-LLM）或Kubernetes、CUDA编程经验者优先
- 具备系统级性能分析、瓶颈定位和问题解决能力，对AI工具辅助研发有实践
申请策略
- 深入研究科大讯飞在AI基础设施和智能体平台方面的技术博客、开源项目或学术论文，了解其技术栈和关注点
- 准备一份清晰的技术作品集（如GitHub仓库），展示你在系统优化、推理加速等方面的实际动手能力
- 突出与岗位相关的课程项目、开源贡献或实习经历，特别是涉及高性能计算、GPU编程、容器化或分布式系统的内容
- 详细描述在项目中使用AI工具（如Copilot、ChatGPT）提升开发效率或解决技术问题的具体案例
- 展示扎实的系统基础，可以列举在操作系统、网络、分布式系统等课程中取得的优异成绩或项目成果
- 强调独立解决问题的能力和对工程质量的追求，如优化性能、排查复杂bug的经历
- 系统学习并实践vLLM、TensorRT-LLM等主流推理框架，理解其核心原理
- 深入掌握Kubernetes核心概念，并尝试在云环境中部署和管理简单的AI应用
面试指南
- 对于性能优化类问题，采用“问题描述-分析手段-解决过程-结果量化”的结构来回答，突出你的系统性思维和数据驱动能力
- 对于技术原理类问题，先解释核心概念，再结合实际应用场景或优化案例进行说明，展示你的理解深度
- 对于系统设计类问题，从需求分析、核心组件设计、权衡取舍（如成本与性能）等角度逐步展开，逻辑清晰
- 请介绍一个你做过的涉及性能优化的项目，你是如何定位瓶颈并解决的？
- 你了解的大模型推理流程是怎样的？KV Cache的作用是什么？
- 如何设计一个简单的多模型调度系统，让不同的请求可以被分配到合适的GPU上运行？
- 在你看来，构建AI基础设施面临的最大挑战是什么？
- 你如何理解训推一体？它可能带来哪些好处和复杂度？
职位点评
薪资福利50
成长发展85
工作生活40
使命价值75
薪资福利
50较低
作为校招岗位，薪资福利具有市场竞争力，但具体薪酬未在JD中披露。
薪资信号未披露（AI估算：1.5–2.5万/月）
福利待遇五险一金
成长发展
85较高
该岗位聚焦于AI推理加速、异构算力调度等前沿技术领域，能获得深度的技术积累和成长，且岗位本身即为前沿探索性质。
技术前沿前沿/新兴技术
技术栈大模型推理、vLLM、SGLang、TensorRT-LLM、Kubernetes、CUDA、GPU编程、分布式训练、端云协同
成长机会持续学习新技术、主动追踪论文与开源社区前沿进展、参与训推一体、智能体调度等前沿方案探索
业务类型profit_center
工作生活
40较低
JD未提及任何关于工作时间、弹性办公或WLB的正面信息，反而强调了“极致工程”和“稳定性”，可能意味着较高的工作强度和责任感。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
75中等
岗位致力于提升AI平台性能、降低成本，支撑规模化智能体应用，具有明确的工程价值和技术驱动意义。公司是AI行业领导者，赛道前景好。
行业发展高速增长赛道
社会影响中性/一般
使命信号认同智能体基础设施的长期价值、对高性能、低成本的极致工程有热情
创新程度积极采用新技术
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs