vivo
端云芯算架构工程师
端云芯算架构工程师
发布于 大约 8 小时前普通员工/个人贡献者
上海市 / 杭州市
高级经验
全职员工
仅现场办公
硕士
软件工程
Cuda
Llm
Nccl
Tensorflow
Torch
Vllm
分布式计算
Nvswitch
AI 估算 · 30k–60k
高级架构师岗位，大厂+前沿技术方向，薪资竞争力强，但具体未披露，按行业标准估算。
职位详情
关于这个职位
该职位负责端云结合与芯算协同的算法架构设计与落地，包括高性能算法框架设计、分布式计算优化、芯片与算法协同设计等，是vivo在AI基础设施领域的关键技术岗，适合有深厚编程功底和分布式系统经验的资深工程师
最低要求
硕士及以上学历
工作年限，五年以上
熟悉云计算平台及其服务
精通Python、C++等编程语言，精通Torch，tensorflow等深度学习框架，具备扎实的算法实现和优化能力
熟悉分布式计算框架（如Spark、Hadoop）和容器化技术（如Docker、Kubernetes）
A/H系列节点部署经验，NVSwitch/NCCL搭建经验
多节点Kubernetes GPU调度策略配置经验
掌握Linux驱动管理、CUDA兼容性矩阵管理
了解机器学习、深度学习、图像处理算法算法，有相关项目经验者优先
具备良好的沟通与团队协作能力
具备较强的学习与创新能力，能快速掌握新技术
工作职责
负责端云算法架构设计及落地：
负责设计和优化端云结合的算法框架，保证系统的高性能、可扩展性和可靠性
结合云计算资源特性，设计支持大规模数据处理和高并发计算的算法架构
开发和优化适用于端云结合部署的算法，包括机器学习、深度学习、数据分析等算法
监控算法在云端运行的性能，进行调优以降低计算成本和延迟
跟踪云端算法架构和云计算领域的最新技术，推动技术创新
负责芯算算法架构设计及落地：
负责芯片架构与算法的协同设计和优化，确保硬件设计与算法需求高度匹配
针对特定应用场景，优化算法以适应芯片硬件特性
负责流片过程中的效果验证
负责芯片与算法的系统集成，确保功能与性能达标
跟踪芯算一体领域的前沿技术，推动技术创新
优先资格
有芯片设计、算法优化或芯算一体项目经验者优先
有LLM推理框架开发经验（如vLLM/lmdeploy）
有千亿参数MoE模型训练框架部署经验
具备国产显卡部署经验
AI 洞察
优缺点分析
优点
- vivo作为大型科技公司，提供稳定平台和丰富资源，技术影响力大
- 涉及端云芯算前沿方向，技术栈涵盖分布式、芯片、深度学习，能快速积累稀缺经验
- 团队技术氛围浓厚，有机会参与大规模分布式训练和推理系统的核心设计
- 职位要求极高，需同时掌握软件、硬件、算法等多领域知识，学习曲线陡峭
- 技术更新快，需持续跟进LLM、国产显卡等新兴技术以保持竞争力
缺点 / 挑战
- 工作强度可能较高，涉及芯片验证、大规模系统调优，需应对复杂问题
- 适合有5年以上分布式系统或AI框架开发经验、对芯片和算法协同设计有强烈兴趣、喜欢挑战前沿技术难题的资深工程师
角色解读
- 技术晋升：从高级架构师到技术专家、首席架构师，主导公司级技术方向
- 管理方向：可向技术总监或AI基础设施负责人转型，带领团队
- 跨领域：深入芯算一体领域，成为芯片与算法协同设计专家，或转向AI系统全栈架构
- 设计和优化端云结合的算法框架，确保系统的高性能、可扩展性和可靠性
- 针对芯片架构进行算法协同设计，优化算法以适应硬件特性，并参与流片验证
- 开发和部署机器学习、深度学习算法，并监控云端性能进行调优以降低成本延迟
- 持续跟踪云端算法架构和芯算一体领域的前沿技术，推动技术创新落地
- 精通Python、C++等编程语言及深度学习框架（Torch/TensorFlow），具备扎实的算法实现与优化能力
- 熟悉分布式计算框架（Spark/Hadoop）和容器化技术（Docker/Kubernetes），有大规模GPU调度经验
- 掌握CUDA、NVSwitch/NCCL等高性能计算技术，了解芯片架构与硬件适配
- 具备良好的沟通与协作能力，以及快速学习和创新能力
申请策略
- 深入了解vivo在AI领域的战略布局，特别是端云芯算方向的产品落地场景，在面试中展现技术热情
- 准备1-2个完整的项目案例，详细阐述从架构设计到性能优化的过程及量化成果
- 突出大型分布式计算项目经验，如千卡级GPU训练集群搭建、分布式推理优化等
- 强调在深度学习框架（Torch/TF）下的算法优化经历，特别是端云或芯算相关
- 展示容器化（K8s）和GPU调度（NCCL/NVSwitch）的实际部署案例
- 如果有芯片设计或LLM推理框架开发经验，务必重点描述
- 补充国产显卡（如华为昇腾）的部署经验，增加竞争力
- 学习LLM推理框架（vLLM/lmdeploy）原理及优化方法
面试指南
- 结构清晰：先定义问题范围，给出总体设计，再细化关键模块（如数据流、通信优化、调度策略），最后总结权衡点
- 量化成果：用具体指标（延迟、吞吐、资源利用率）说明方案效果，体现数据驱动
- 展示思考过程：不仅说做了什么，还要解释为什么这么做，以及备选方案的对比
- 如何设计一个支持千亿参数MoE模型的端到端训练系统？
- 谈谈你对端云协同推理的架构设计思路，如何平衡延迟和成本？
- 在芯片与算法协同设计中，如何根据硬件特性优化算法？举例说明
- 如何使用Kubernetes进行大规模GPU调度？遇到过哪些挑战？如何解决？
- 你如何跟踪前沿技术？请分享一个你应用新技术解决问题的实例
职位点评
71
综合评分
大厂前沿架构岗，技术深度高、薪资优厚，但工作强度可能较大，WLB一般。
更适合这类人
最适合追求技术成长和前沿挑战的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值65
薪资福利
80较高
vivo作为行业巨头，提供具有竞争力的薪资待遇和完善的福利体系，但JD未明确披露具体数字，因此评分中等偏上。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
该职位技术前沿，涉及端云芯算、LLM等热点方向，成长空间大，且有明确的技能深化路径，非常满足发展性动机。
技术前沿前沿/新兴技术
技术栈LLM、MoE、vLLM、NVSwitch、NCCL、分布式训练、端云协同、芯算一体
成长机会跟踪前沿技术、推动技术创新
业务类型profit_center
工作生活
50较低
仅现场办公，未提及弹性工作或远程，且大厂可能加班，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
65中等
AI基础设施对社会有较大潜在影响，但职位本身偏技术实现，使命感不强，行业处于高速增长期。
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
Watch Jobs