寒武纪
AI现场应用工程师-27届
AI现场应用工程师-27届
发布于 6 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
Pytorch
大模型部署
硬件适配
算法移植
值不值得投
79综合评分
综合评分 79
国产AI芯片前沿技术岗，重底层开发与模型落地，出差略多但成长空间广阔。
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
2.0万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 110 个在招 · 其中人工智能 2 个
市场机会
选择面较广
北京 · 人工智能 · 约 680 个在招
职位详情
关于这个职位
该职位主要负责寒武纪软硬件产品的导入与客户交付，完成AI推理/训练场景的适配测试，并将算法模型在自研芯片平台上进行移植、部署、测试及性能优化
面向27届应届生，侧重底层系统与AI大模型落地实战
最低要求
本科及以上学历，计算机、通信、自动化、电子信息，应用数学、物理等相关专业
熟练掌握C++/Python/Shell等编程语言，掌握Linux操作系统下CMake、GDB、Git、docker等常用开发和调试工具
熟悉Pytorch深度学习框架者优先
熟悉大模型推理或部署应用框架和开源库，如transformers，megatron，deepspeed，vllm，sglang，diffusers等，有相关应用经验优先
工作职责
负责寒武纪软硬件产品的导入、交付
完成推理/训练相关适配测试工作
负责算法模型在寒武纪软硬件产品上的移植、部署、测试及优化
AI 洞察
优缺点分析
优点
- 聚焦国产AI芯片与大模型前沿赛道，技术壁垒高且行业需求旺盛
- 接触底层硬件与上层算法的完整链路，工程能力成长极快
- 底层调试难度大，对系统级排错与跨平台兼容性能力要求严苛
- 喜欢钻研底层技术与系统优化，能适应一定出差节奏，对国产AI算力生态有热情的理工科毕业生
缺点 / 挑战
- 需频繁对接客户现场解决复杂环境问题，出差频率可能较高
角色解读
- 可向AI系统架构师、大模型底层优化专家或技术交付负责人方向发展，深耕国产AI算力基础设施与边缘计算领域
- 负责将AI算法模型迁移至寒武纪自研芯片平台，完成软硬件适配与性能调优
- 执行推理/训练场景的测试验证
- 为客户提供产品导入与现场交付支持
- 扎实的C++/Python编程与Linux系统调试能力
- 熟悉主流深度学习框架及大模型部署工具链
- 具备软硬件协同调试、内存管理与性能剖析经验
申请策略
- 关注公司官网笔试通知，准备时重点复习操作系统、计算机网络及深度学习基础理论，展现扎实的工程落地能力
- 突出Linux环境下的C++/Python项目实战，详细列出参与过的模型部署、性能调优或跨平台移植经历，量化优化指标
- 提前熟悉Megatron-DeepSpeed、vLLM等主流大模型推理框架的源码结构与加速原理
- 加强Linux系统调用与性能剖析工具的使用
面试指南
- 采用STAR法则描述项目背景、任务、行动与结果
- 针对技术问题，先明确问题边界（数据流/计算流/内存管理），再结合工具链逐层定位，最后给出可量化的优化方案
- 请介绍一个你独立完成模型部署或性能优化的项目，遇到了哪些瓶颈如何解决的？
- C++和Python在底层系统交互时通常需要注意哪些问题？
- 面对大模型推理显存不足或延迟高的情况，你会从哪些维度进行排查和优化？
- 梳理过往课程项目或竞赛中的底层开发经历，准备好代码片段与性能对比数据
- 复习Linux进程线程管理、内存管理及常见网络协议，保持对AI芯片行业动态的关注
职位点评
薪资福利78
成长发展88
工作生活65
使命价值82
薪资福利
78中等
薪资处于行业中上水平，作为已上市AI芯片企业，福利体系相对完善，但应届生起薪受限于市场常规标准。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
88较高
深度参与国产AI芯片与大模型落地全链路，技术栈前沿且实战性强，内部培训与导师机制通常较为成熟。
技术前沿前沿/新兴技术
技术栈C++、Python、PyTorch、Megatron、DeepSpeed、vLLM、Transformer
业务类型profit_center
工作生活
65中等
岗位名称含“现场”且涉及客户交付，通常伴随一定出差或驻场需求，WLB视具体项目周期而定，整体偏向务实型技术岗。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
82较高
投身国产自主可控AI算力基础设施建设，直接推动大模型技术落地，具有显著的行业战略价值与社会意义。
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
寒武纪 的其他在招职位
相似职位推荐
Watch Jobs