寒武纪
AIGC训练解决方案工程师-27届
AIGC训练解决方案工程师-27届
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算法优化工程师
算法优化工程师
Ai基础设施
Deepspeed
Megatron-Lm
分布式训练
大模型训练
并行计算
值不值得投
79综合评分
综合评分 79
前沿AI训练框架研发、技术成长空间大、薪资市场对标、办公模式待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
2.4万
比算法优化工程师中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
76 个在招
市场机会
选择面较广
北京 · 算法优化工程师 · 约 360 个在招
职位详情
关于这个职位
该职位专注于大语言模型与视觉生成场景的分布式训练框架研发
主要职责包括深度优化框架性能与内存管理，构建涵盖数据预处理至结果评估的完整训练解决方案，并持续追踪融合业界前沿技术，保障大规模训练场景下的效率与稳定性
最低要求
本科及以上学历，计算机相关专业，熟悉大模型训练框架Megatron-LM/Deepspeed等
具备良好的编程能力，熟练掌握性能分析工具和方法，熟悉torch的性能分析工具等
逻辑思维清晰，具有良好的沟通能力、抗压能力和责任心
具有相关开发或优化经验者优先
工作职责
分布式训练框架开发：深度优化分布式训练框架，在性能、内存、并行策略等方面进行研究与开发，确保框架在大规模训练场景下的效率和稳定性
大模型训练解决方案构建与完善：针对大语言模型，视觉生成等场景，构建支持完整训练流程的解决方案
从数据预处理、模型训练、结果评估、训练工具构建等方面进行全方位优化
前沿技术追踪与融合：密切关注业界最新技术动态与发展趋势，对前沿技术进行深度分析与研究，将技术成果融入分布式训练框架，推动框架持续迭代升级
优先资格
具有相关开发或优化经验者优先
AI 洞察
优缺点分析
优点
- 接触行业最前沿的大模型训练基础设施，技术栈极具竞争力且不易过时
- 分布式训练涉及复杂的通信与内存管理，调试难度大，对底层原理掌握要求极高
- 适合对AI底层系统有强烈兴趣、具备扎实编程基础与系统性思维的技术型求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI基础设施架构师、大模型训练技术负责人或高性能计算领域专家方向发展，逐步主导核心训练平台的技术演进
- 负责大语言模型与视觉生成场景的分布式训练框架开发与性能调优，解决大规模训练中的内存与并行瓶颈
- 需精通PyTorch生态及性能分析工具，深入理解Megatron-LM/DeepSpeed等主流训练框架的底层实现机制
申请策略
- 提前了解寒武纪硬件生态（如MLU系列），在简历或笔试中展现软硬件协同优化的视野会显著加分
- 突出参与过深度学习框架二次开发、分布式训练项目或高性能计算优化的经历，量化性能提升指标
- 补充CUDA编程基础、NCCL通信库原理及PyTorch Profiler/TensorBoard等性能分析工具的实际使用经验
面试指南
- 采用STAR法则结合底层原理阐述：先说明问题现象与影响范围，再拆解涉及的模块（计算/通信/存储），最后给出验证假设与优化方案的具体步骤
- 请简述Megatron-LM或DeepSpeed的并行策略（数据/张量/流水线并行）及其适用场景
- 如何定位并优化分布式训练中的显存峰值过高或通信瓶颈问题？
- 描述一次你使用性能分析工具排查代码性能问题的完整过程
- 如果训练框架在千卡规模下出现同步延迟，你会从哪些维度进行排查？
- 复习分布式系统基础理论（如AllReduce算法、梯度压缩），动手跑通一个小型分布式训练Demo并记录性能Profiling数据
职位点评
薪资福利70
成长发展92
工作生活65
使命价值85
薪资福利
70中等
JD未明确披露薪资福利细节，但作为已上市AI芯片企业的核心研发岗，通常提供符合市场水准的薪酬包与基础保障。
薪资信号未披露（AI估算：1.8千–3.0万/月）
成长发展
92较高
岗位直接聚焦大模型训练框架与前沿技术融合，技术成长曲线陡峭，能积累高价值的AI基础设施实战经验。
技术前沿前沿/新兴技术
技术栈Megatron-LM、DeepSpeed、PyTorch、分布式训练、性能分析工具
业务类型profit_center
工作生活
65中等
JD未提及具体办公模式与工时安排，技术研发类岗位通常需跟进项目进度，WLB表现取决于所在团队节奏。
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
85较高
致力于构建高效的大模型训练解决方案，契合AI算力基础设施国产化与技术自主可控的行业趋势，具备较强的技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs