中兴通讯
AI测试与系统优化架构资深专家
AI测试与系统优化架构资深专家
发布于 大约 3 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
测试开发
Ai推理
Cuda
Mlperf
Pytorch
Tensorflow
基准测试
性能优化
自动化测试
AI 估算 · 40k–80k
资深AI系统专家，稀缺技能，上海高薪水平，中兴平台稳定。
职位详情
关于这个职位
该职位负责AI推理与训练性能评测体系的整体设计与优化，涵盖应用层、内核层和训练场景的全栈性能分析，并牵头框架与算子的优化落地
你将建设自动化测试平台，与硬件厂商和开发团队协作，推动AI系统性能持续提升
适合对AI底层技术有深厚积累的资深技术专家
最低要求
任职要求：
学历与经验
(1)硕士及以上学历，计算机、人工智能、软件工程等相关专业，8年以上工作经验
(2)5年及以上AI系统开发、性能优化或深度基准测试经验
核心技术能力
(1)编程与开发基础：精通Python/C++，具备优秀的代码能力和系统调试能力
(2)框架开发与优化经验：熟悉PyTorch/TensorFlow等至少一种主流AI框架的架构与内部机制
(3)算子开发与优化经验：具备AI算子开发、内核优化经验，熟悉CUDA等编程模型
(4)性能分析与诊断能力：深入理解计算机体系结构，具备全栈性能瓶颈的定位与分析能力
工程与实践能力
(1)具备出色的项目推动力、跨团队协作能力和技术文档撰写能力
(2)逻辑严谨，自驱力强，能够主动跟进AI领域的前沿技术
工作职责
岗位职责：
全栈性能评测体系设计与分析
(1)应用系统层评测：负责通用推理与大模型推理的评测框架设计、开发与优化，制定性能、精度及系统级评估标准
(2)微观内核层评测：主导面向算子的微观性能与功能评测体系设计
(3)训练性能评测：负责构建及优化训练场景的性能与效率评测方案
瓶颈诊断与优化牵头
(1)基于全面的测试结果，进行深度分析，精准定位瓶颈所在层级（框架、算子或硬件）
(2)牵头框架优化：针对框架级别的性能瓶颈，主导设计并推动优化项目的实施
(3)牵头算子优化：针对关键算子的性能瓶颈，主导或深度参与其重写、融合及底层优化工作，并推动其在框架中的集成与部署
自动化测试与效能平台建设
(1)推动构建集成CI的自动化测试与性能分析流水线，支持多硬件、多框架的自动化比对与回归测试
(2)建立性能数据追踪、分析与可视化体系，为优化决策与效果验证提供持续数据支持
技术协同与方案落地
(1)与硬件厂商、开发团队及业务方紧密协作，将测试结论与优化方案转化为可执行的技术任务
(2)负责推动优化方案落地，验证优化效果，并沉淀为标准实践、工具或代码贡献
优先资格
优先资质：
有MLPerf等基准测试工具深度使用经验，或具备自研测试平台/工具链实践经验者优先
有框架层性能调优或模块开发经验者优先
有算子级性能调优项目经验者优先
有开源AI项目贡献或相关领域公开技术输出者优先
AI 洞察
优缺点分析
优点
- 技术含量高，涉及AI系统全栈，能积累稀缺的优化经验
- 中兴通讯平台大，资源丰富，有多个业务场景验证技术
- 与硬件厂商和开源社区合作，拓展行业视野
- 跨团队协作复杂，需要较强的沟通推动能力
- 性能优化常面临硬件差异，调试难度大
- 适合对AI底层技术有热情、具备深厚系统开发功底和性能分析能力的资深工程师
缺点 / 挑战
- 工作强度较高，需要跟进前沿技术和持续攻坚性能瓶颈
角色解读
- 深耕AI系统性能优化领域，成为技术专家或架构师
- 向AI基础设施团队的技术管理方向发展
- 有机会参与业界基准测试标准制定，提升行业影响力
- 设计并开发AI推理与训练的性能评测体系，覆盖应用层、内核层和训练场景
- 分析测试结果，定位性能瓶颈在框架、算子或硬件层，并牵头优化项目
- 建设自动化测试与性能分析平台，集成CI，支持多硬件多框架的回归测试
- 与硬件厂商和开发团队协作，推动优化方案落地并沉淀为标准实践
- 精通Python/C++，具备优秀的代码和调试能力
- 熟悉PyTorch/TensorFlow等AI框架架构，有框架层调优经验
- 掌握AI算子开发与CUDA编程，有算子级性能优化经验
- 深入理解计算机体系结构，具备全栈性能分析能力
申请策略
- 提前了解中兴通讯在AI基础设施和5G+AI方面的业务布局
- 准备好展示性能优化案例的思路和效果数据
- 突出AI框架开发、算子优化和性能调优的具体项目及量化结果
- 强调MLPerf等基准测试经验或自研测试平台成果
- 展示开源贡献或技术输出，体现技术影响力
- 描述跨团队协作推动方案落地的案例
- 深入掌握CUDA和GPU架构，补充异构计算知识
- 熟悉主流AI框架的源码和内部机制，尝试贡献代码
面试指南
- 采用STAR法则，描述背景、任务、动作、结果，突出技术难点和量化提升
- 展现全栈思维，从应用层到硬件层逐层分析
- 强调数据驱动的优化方法，用测试数据支撑决策
- 请描述一个你主导的AI算子优化案例，如何定位瓶颈并提升性能？
- 如何设计一套大模型推理的评测体系，指标和流程怎么定？
- 在PyTorch中，如何分析并优化模型训练性能？举例说明
- 你如何与硬件厂商协作解决底层性能问题？
- MLPerf测试的流程和关键点有哪些？
职位点评
75
综合评分
技术前沿的大厂AI优化岗，薪资优渥，成长性强，但工作强度未知。
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。
更适合这类人
适合追求技术成长和事业挑战的资深工程师。
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70
薪资福利
80较高
该职位提供有竞争力的薪酬和稳定的平台，但JD未明确福利细节。
薪资信号未披露（AI估算：40K-80K/月）
成长发展
90较高
涉及AI系统全栈性能优化，技术前沿且挑战性高，有明确的专业发展路径。
技术前沿前沿/新兴技术
技术栈AI推理、算子优化、CUDA、PyTorch、基准测试
业务类型cost_center
工作生活
50较低
JD未提及弹性工作或远程，通常大厂工作强度较大。
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
70中等
推动AI系统性能提升，对行业有贡献，但整体属于技术支撑。
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
中兴通讯 的其他在招职位
相似职位推荐
Watch Jobs