Watch Jobs
Bosch logo
博世
AI平台与MLOps工程师(27届校招)_BCSC
立即应聘

AI平台与MLOps工程师(27届校招)_BCSC

发布于 大约 9 小时前

普通员工/个人贡献者

无锡市
无经验要求
全职员工
仅现场办公
硕士
DevOps/SRE
Alibaba Cloud
CI/CD
Deepspeed
Llmops
Mlops
Vllm

AI 估算 · 15k–25k

校招硕士，AI基础设施技术门槛高，无锡生活成本适中，外企福利稳定，薪资有竞争力。

职位详情

关于这个职位

作为博世AI平台与MLOps工程师（校招），你将参与构建和维护AI平台，负责大模型服务（LLM Service）和AI Agent的部署、运维与优化

工作涉及GPU集群管理、分布式训练支撑、推理性能调优以及云端CI/CD流水线搭建，是连接算法与生产的核心角色
适合对AI基础设施感兴趣的计算机相关专业应届生

最低要求

计算机科学、软件工程、人工智能、电子信息技术等相关专业，2026届硕士及以上学历

熟练掌握至少一门开发语言（Python/Go/TypeScript/Java等），有基础的后端开发或脚本编写能力
了解容器化与编排技术，熟悉Docker基本操作，接触过Kubernetes或了解其核心概念（Pod、Service、Ingress等）
了解CI/CD基本流程，接触过至少一种CI/CD工具（如GitHub Actions、Azure DevOps、ArgoCD等）
了解大模型部署的基本流程，接触过至少一种推理框架（如vLLM、TensorRT-LLM）或分布式训练框架（如DeepSpeed、FSDP），有跑通Demo或简单调参经验
了解Linux操作系统与网络基础知识
具备良好的学习能力与问题排查能力，能够快速跟进新技术

工作职责

参与AI平台与MLOps/LLMOps体系的建设与维护，协助完成LLM服务及AI Agent服务在内部平台的部署与日常运维

支持大模型后训练任务（如SFT、DPO等）的工程化落地，配合进行多机多卡分布式训练环境的配置与效率调优
参与NVIDIA GPU集群的资源管理与调度工作，协助完成LLM推理服务（基于vLLM等引擎）的部署、压测与性能指标收集
参与Azure、阿里云等公有云生产集群的日常运维，协助搭建LLM/AI Agent相关服务的CI/CD流水线
配合建立GPU利用率、服务延迟、成本等监控告警体系，协助完成SLO/SLI的定义与追踪
配合完成应用访问控制、密钥管理等安全合规操作，满足内部安全与合规要求
与算法工程师及软件开发团队紧密协作，跟进需求并推动服务上线

优先资格

对存储或网络优化有一定认知者优先

有公有云（AWS/Azure/阿里云等）使用经验者优先

AI 洞察

优缺点分析

优点

  • 博世作为跨国巨头，平台稳定，技术氛围良好，能接触真实工业场景
  • AI平台与MLOps是当前热门方向，技能积累具有长期价值
  • 能够深度接触NVIDIA GPU集群、vLLM、分布式训练等一线基础设施技术
  • 外企福利待遇完善，工作与生活平衡通常较好
  • 需要掌握的技术栈较广，从容器化到公有云到AI框架，学习曲线较陡
  • 校招岗位可能在初期以辅助和运维工作为主，需要主动积累经验
  • 适合对AI基础设施和DevOps感兴趣、愿意深入钻研底层技术、且具备较强学习能力的应届生

缺点 / 挑战

  • 作为支持性平台，需要及时响应算法团队的多样化需求，可能面临一定工作压力

角色解读

  • 可向AI基础设施专家方向发展，成为MLOps/LLMOps领域的资深工程师
  • 可扩展至云原生平台工程师或SRE岗位，负责更大规模的AI平台架构设计
  • 有机会接触前沿大模型技术，向AI架构师或技术管理方向进阶
  • 负责AI平台和MLOps/LLMOps体系的建设与运维，包括LLM服务与AI Agent的部署和日常维护
  • 支持大模型后训练（SFT/DPO）的工程化落地方案，配置并调优多机多卡分布式训练环境
  • 管理NVIDIA GPU集群资源，部署基于vLLM等引擎的推理服务，并进行压测与性能监控
  • 搭建公有云（Azure/阿里云）上的CI/CD流水线，并建立GPU利用率、延迟、成本等监控告警体系
  • 扎实的编程基础，至少熟练掌握Python/Go/TypeScript/Java中的一种
  • 熟悉Docker和Kubernetes，理解容器编排的核心概念
  • 了解CI/CD流程和常用工具（如GitHub Actions、Azure DevOps）
  • 对大模型推理框架（vLLM等）或分布式训练框架（DeepSpeed、FSDP）有实际接触经验

申请策略

  • 关注博世的AI战略和工业场景，面试时展现对AI基础设施的热情
  • 准备好一个完整的项目案例，说明自己在LLM部署或云原生方面的实际贡献
  • 突出Python编程能力和后端开发经验，展示相关项目或脚本
  • 强调Docker/Kubernetes的使用场景，如容器化部署项目
  • 如果有大模型部署或调参经历，如用vLLM跑过推理服务，一定要重点写
  • 展示对CI/CD工具和公有云的实际使用经验
  • 提前学习Kubernetes核心组件和常用运维命令，最好在个人实验环境部署一个集群
  • 尝试用vLLM或TensorRT-LLM部署一个开源大模型，并做简单的性能测试

面试指南

  • 用STAR法则回答项目经历：情境、任务、行动、结果
  • 对于概念解释题，先给定义，再举例子，最后联系实际应用
  • 面对场景设计题，从需求分析、技术选型、实施步骤、验证优化四个维度展开
  • 请介绍一次你部署大模型推理服务的经历，遇到什么困难如何解决？
  • 解释Kubernetes中Pod、Service、Ingress的区别和用途
  • 如何监控GPU利用率？你了解哪些监控指标？
  • CI/CD流水线中如何实现自动部署AI模型服务？
  • 你对MLOps的理解是什么？与传统DevOps有何不同？

职位点评

76
综合评分

稳定外企，前沿AI技术栈，发展空间大，工作以现场运维为主，WLB未明确。

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
适合追求技术成长、对AI基础设施有浓厚兴趣、喜欢稳定外企环境的应届生。
表现最好
成长发展
相对薄弱
使命价值
薪资福利75
成长发展88
工作生活65
使命价值60

薪资福利

75中等

博世作为跨国企业，福利完善，薪资在无锡具有竞争力，但校招起薪通常低于互联网大厂。

薪资信号未披露（AI估算：15K-25K/月）

成长发展

88较高

职位涉及MLOps、GPU集群、大模型部署等前沿技术，学习资源丰富，有明确的技能成长路径。

技术前沿前沿/新兴技术
技术栈MLOps、LLMOps、Kubernetes、vLLM、DeepSpeed、GPU、CI/CD、Azure
业务类型cost_center

工作生活

65中等

工作地点在无锡，现场办公，外企通常加班较少，但具体WLB未提及。

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

60中等

博世的产品和技术对全球生活质量有积极影响，但该职位作为内部AI平台支持，意义感中等。

行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术

博世 的其他在招职位

相似职位推荐

Watch Jobs