浪潮
AI软件开发工程师
AI软件开发工程师
发布于 大约 2 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Gpu优化
Mlir
Tvm
大模型推理
Aistation
值不值得投
68综合评分
综合评分 68
前沿技术栈、高成长性，但工作强度可能较大，薪资面议。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
40K
比人工智能中位数低
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 620 个在招
市场机会
选择面较广
北京 · 人工智能 · 约 150 个在招
职位详情
关于这个职位
作为浪潮信息的AI软件开发工程师，你将专注于大规模AI推理系统的架构设计与性能优化，参与超节点服务器推理框架的研发与调优，深入GPU底层进行算子优化，并探索Agent工程在真实业务场景中的应用
该职位要求深厚的技术功底和实战经验，是推动AI技术在医疗、企业、科研等行业落地的核心技术岗位
最低要求
熟悉大模型推理技术栈，具备实际的大模型服务平台搭建、运营及优化经验
熟悉Triton、Cutlass等高性能算子开发框架，有TVM、MLIR等编译优化工具链经验者优先
具备实际Agent工程经验（非Demo级别），熟悉多Agent / Workflow / Tool Calling等架构模式
在医疗、企业、科研等AI+场景有实际落地成功经验，能将大模型技术与行业场景深度结合，解决真实业务问题
工作职责
参与大规模AI推理系统的架构设计与性能优化，支撑高并发、低延迟的AI服务场景，包括但不限于浪潮信息超节点服务器推理框架的研发与调优
负责大模型推理框架的研发与性能调优，持续提升服务吞吐量，降低推理成本
深入GPU底层进行算子优化与性能分析，突破现有算力与内存瓶颈
探索Agent工程在真实业务场景中的应用落地，为AIStation平台的企业级Agent算力底座提供核心技术支撑
推动AI技术在医疗、企业、科研等行业的实际落地，将前沿模型能力真正融入浪潮信息的元脑企智（EPAI）企业大模型开发平台及行业解决方案中
AI 洞察
优缺点分析
优点
- 技术前沿，涉及大模型推理、GPU优化、Agent等热门领域，技术积累价值高
- 公司平台大，业务场景丰富，有医疗、企业、科研等多个行业落地机会
- 岗位核心，参与AI基础设施的研发，对个人技术成长和职业发展有较大帮助
- 技术难度高，需要深入理解GPU底层和编译优化，学习曲线陡峭
- 对实际落地经验要求高，需要具备解决真实业务问题的能力
- 适合对AI系统底层技术有浓厚兴趣，具备扎实的编程和系统优化能力，并希望在AI领域深耕的技术人才
缺点 / 挑战
- 工作强度可能较大，需要应对高并发、低延迟的挑战
角色解读
- 从AI推理工程师向AI系统架构师方向发展，负责更复杂的系统设计与优化
- 在GPU优化和编译技术领域深耕，成为技术专家
- 向技术管理方向发展，带领团队推动AI技术在各行业的落地
- 负责大规模AI推理系统的架构设计与性能优化，支撑高并发、低延迟的AI服务场景
- 研发和调优大模型推理框架，提升服务吞吐量，降低推理成本
- 深入GPU底层进行算子优化与性能分析，突破算力与内存瓶颈
- 探索Agent工程在真实业务场景中的应用，为AIStation平台提供核心技术支撑
- 熟悉大模型推理技术栈，具备实际的大模型服务平台搭建、运营及优化经验
- 熟悉Triton、Cutlass等高性能算子开发框架，有TVM、MLIR等编译优化工具链经验者优先
- 具备实际Agent工程经验，熟悉多Agent / Workflow / Tool Calling等架构模式
- 在医疗、企业、科研等AI+场景有实际落地成功经验
申请策略
- 关注浪潮信息在AI领域的业务布局，了解其元脑企智（EPI）平台和AIStation平台
- 在面试中展示对AI推理性能优化的深入理解和实际项目经验
- 突出大模型推理框架的搭建和优化经验，包括具体的技术栈和性能提升数据
- 强调GPU算子优化和编译优化工具链的使用经验，如Triton、Cutlass、TVM、MLIR
- 展示Agent工程的实际项目经验，包括多Agent架构、Workflow设计等
- 提及AI技术在医疗、企业或科研领域的落地案例，展示解决实际问题的能力
- 深入学习GPU架构和CUDA编程，掌握算子优化技巧
- 熟悉主流的推理框架（如vLLM、TensorRT-LLM）和编译优化工具
面试指南
- 采用STAR法则（情境、任务、行动、结果）来回答项目经验类问题，突出个人贡献和量化结果
- 对于技术问题，先阐述基本原理，再结合具体实践案例，展示深度思考
- 对于场景落地问题，强调对业务的理解和技术的实际应用，体现解决问题的能力
- 请介绍你参与过的大模型推理框架优化项目，具体做了哪些优化，效果如何？
- 如何优化GPU算子性能？请举例说明你使用Triton或Cutlass的经验
- 你如何设计一个多Agent系统来解决复杂任务？请描述架构和关键组件
- 在AI落地项目中，你如何将大模型技术与具体行业场景结合？
- 如何评估和优化大模型推理的吞吐量和延迟？
职位点评
薪资福利60
成长发展90
工作生活50
使命价值70
薪资福利
60中等
薪资面议，未披露具体范围，但作为上市巨头企业，薪资水平通常具有竞争力。
薪资信号面议 (30K-50K/月)
成长发展
90较高
岗位涉及大模型推理、GPU优化、Agent工程等前沿技术，技术成长空间大，且公司平台提供丰富的行业落地机会。
技术前沿前沿/新兴技术
技术栈大模型、推理、Triton、Cutlass、TVM、MLIR、Agent、GPU
业务类型profit_center
工作生活
50较低
工作地点在北京，未提及远程或弹性办公，工作强度可能较大。
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
70中等
岗位推动AI技术在医疗、企业、科研等行业的落地，具有较高的社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动AI技术在医疗、企业、科研等行业的实际落地
创新程度积极采用新技术
Watch Jobs