长江存储
System Engineer（AI）(J14474)
System Engineer（AI）(J14474)
发布于 大约 2 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
系统与安全工程
Arm
Ebpf
Ftrace
Linux内核
Mpi
Nccl
Perf
X86
大模型
AI 估算 · 25k–40k
上海系统工程师（AI方向）3年+经验，薪资竞争力较强，综合市场行情估算。
职位详情
关于这个职位
该职位主要负责X86/Arm平台的系统行为研究与性能优化，同时跟踪AI大模型趋势，探索AI新功能并输出可行性分析报告
你将进行系统级性能剖析，识别CPU、GPU、内存等瓶颈，并协调团队制定优化方案
适合有3年以上底层开发经验、对AI技术充满热情的系统工程师
最低要求
教育背景：计算机科学与技术、电子工程、自动化或相关专业 本科及以上学历
工作经验：3年以上 系统开发、底层驱动开发或系统验证经验
专业技能：
精通 X86 和 Arm 体系结构，深刻理解 CPU、内存、PCIe等子系统工作原理
精通 Linux 内核机制，熟练使用 perf, eBPF, ftrace, iostat, crash 等工具进行内核级性能剖析与故障根因定位
熟悉主流 AI 架构及软件生态（NVIDIA CUDA 或 国产昇腾 Ascend），深入理解数据并行/模型并行/流水线并行原理
熟练掌握 NCCL、MPI 等分布式通信库的配置、原理及性能调优
具备扎实的 C/C++ 能力，可阅读及修改 Linux 内核/驱动代码
精通 Python，能编写自动化脚本进行数据分析与工具开发
综合素质：
具备极强的逻辑思维能力，善于从系统全局视角定位复杂疑难问题
具备优秀的跨部门沟通能力，能有效推动芯片厂商、硬件团队及算法团队的协同合作
具备强烈的技术好奇心和自驱力，能独立承担前瞻性预研课题并产出实质性成果
工作职责
主流平台深度研究：负责X86，Arm等主流Soc平台的系统行为研究，深入理解其硬件架构，驱动模型等及系统调度机制
AI新功能探索与落地：跟踪业界AI大模型在企业级的发展趋势，研究AI应用的新功能，并输出可行性分析报告
系统性能分析与优化：针对传统IO模型以及新AI应用场景，进行系统级的性能profiling，识别瓶颈（cpu，gup，内存，带宽，算例，功耗），协调芯片及内部研发团队提出优化方案
验证策略制定：基于对新平台和AI特性的理解，制定系统级的验证计划
技术预研与分享：负责前沿技术的预研工作，将研究成果转化为团队的技术储备，并定期在团队内进行技术分享，提升团队整体技术视野
优先资格
拥有主流服务器平台（X86/Arm）或 AI 服务器（GPU/NPU集群）的深度调试与性能调优实战经验优先
对 AI 技术应用有浓厚兴趣，具备 大模型部署、推理服务优化 及复杂场景下的问题分析经验者优先
AI 洞察
优缺点分析
优点
- 深度接触X86/Arm及AI芯片生态，技术壁垒高，积累底层系统经验
- 紧跟AI大模型趋势，参与前沿技术探索，成长空间大
- 长江存储为知名企业，平台稳定，资源丰富
- 需要对硬件、内核、AI算法有综合理解，技术跨度大，学习曲线陡
- 系统级问题定位复杂，需要极强的逻辑和跨团队沟通能力
- 适合有3年以上底层系统开发经验、对AI技术有浓厚兴趣、喜欢深入钻研复杂问题的技术型人才
缺点 / 挑战
- AI领域更新快，需持续跟踪前沿技术，工作压力较大
角色解读
- 向AI系统架构师方向发展，成为底层平台与AI应用之间的桥梁
- 晋升为技术专家或团队leader，主导芯片与系统协同设计
- 横向扩展至AI训练推理优化、分布式系统等前沿领域
- 深入分析X86/Arm平台硬件架构、驱动及系统调度机制
- 跟踪AI大模型趋势，研究新功能并输出可行性分析
- 进行系统级性能剖析，识别CPU、GPU、内存等瓶颈并协调优化
- 制定系统验证计划，负责前沿技术预研与团队分享
- 精通X86/Arm体系结构和Linux内核，熟练使用perf、eBPF等工具
- 熟悉AI架构如NVIDIA CUDA或昇腾Ascend，理解并行原理
- 掌握NCCL、MPI等分布式通信库，具备C/C++和Python能力
- 具备系统级调试和性能优化实战经验
申请策略
- 了解长江存储的芯片产品和AI存储解决方案，面试中体现对业务的理解
- 准备一个系统性能瓶颈分析的案例，详细阐述从定位到优化的完整过程
- 突出X86/Arm平台调试或性能优化项目，用数据说明成果
- 展示Linux内核开发或驱动经验，提及perf/eBPF等工具的使用
- 如果有AI相关项目（如大模型部署、CUDA编程），重点描述
- 补充NCCL、MPI等分布式通信库的实际配置调优经验
- 深入学习AI推理框架（如TensorRT）和性能分析工具
面试指南
- 针对性能优化问题：明确场景→使用工具采集数据→分析瓶颈→提出方案→验证效果
- 针对架构问题：从CPU、内存、PCIe等子系统关联性出发，结合具体平台（X86/Arm）特性
- 针对AI分布式问题：从数据并行、模型并行原理入手，结合NCCL环境变量调优
- 请描述一次你使用eBPF进行内核性能瓶颈定位的经验
- X86和Arm体系结构在性能上有哪些主要差异？如何针对不同平台优化？
- 在AI分布式训练中，如何配置NCCL并优化通信效率？
- 如何分析CUDA程序中的性能瓶颈（如显存带宽、Kernel启动开销）？
- 你如何跟踪AI大模型领域的新技术，并评估其落地可行性？
职位点评
68
综合评分
AI底层系统工程师，前沿技术栈，薪资可观，但现场办公且WLB一般。
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、敢于挑战前沿的求职者，对WLB要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活40
使命价值60
薪资福利
75中等
薪资在市场上属于中上水平，长江存储提供稳定福利，但JD未明确列出具体福利。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
职位涉及前沿AI技术和底层系统，技能成长空间大，且明确要求技术预研与分享。
技术前沿前沿/新兴技术
技术栈X86、Arm、Linux内核、AI大模型、NVIDIA CUDA、昇腾Ascend、NCCL、MPI、perf、eBPF
成长机会技术预研、技术分享
业务类型profit_center
工作生活
40较低
仅现场办公，未提及弹性或远程，上海地点不明确是否为市区，JD无WLB信号。
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
存储芯片和AI基础设施领域属于高速增长赛道，但职位没有明确提及社会价值。
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
长江存储 的其他在招职位
相似职位推荐
Watch Jobs