吉利汽车
AI算法架构岗
AI算法架构岗
发布于 大约 8 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
Cuda
Nccl
Pytorch
Tensorrt
分布式训练
模型压缩
自动驾驶
值不值得投
74综合评分
综合评分 74
技术前沿、成长空间大，但工作强度可能较高。
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。
薪资怎么样
40K
比算法优化工程师中位数低
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 1580 个在招 · 其中算法优化工程师 13 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 70 个在招
职位详情
关于这个职位
该职位负责AI模型的全链路性能优化，包括分布式训练加速和车端推理部署，涉及GPU算力利用率的极致提升和低时延攻坚
你将使用Nsight、PyTorch Profiler等工具进行性能诊断，并主导自动驾驶相关模型在车载平台上的加速落地
适合对AI基础设施和高性能计算有浓厚兴趣的工程师
最低要求
熟悉C/C++、Python等编程语言，熟练掌握各类常用数据结构与算法
熟悉NVIDIA GPU架构及CUDA编程，有较丰富的AI算子开发经验
熟悉PyTorch框架，理解深度学习的基本原理与结构，并有一定的模型训练经验
理解PyTorch底层实现原理
熟悉TensorRT/ONNXRT/NCNN等推理框架
工作职责
负责全链路性能诊断：负责模型全生命周期的性能 Profiling 与系统性调优，使用 Nsight、PyTorch Profiler 等工具诊断大模型分布式训练及车端推理全过程，精准识别并消除 IO、通信（NCCL）、显存带宽及 CUDA 算子层面的性能瓶颈，极致提升 GPU 算力利用率（MFU/FPS）
负责大规模分布式训练加速：深入优化分布式训练框架，设计高效的流水线，提升集群训练吞吐率与大规模训练稳定性
负责车端推理部署与极致低时延攻坚：主导自动驾驶感知、规划、端到端、VLM/VLA等模型在车载算力平台（如 NVIDIA Orin / Thor）上的加速落地，负责低比特量化、知识蒸馏等模型压缩工程，负责高性能算子开发与流水线优化，实现毫秒级响应与高吞吐并发
AI 洞察
优缺点分析
优点
- 吉利作为大型车企，平台稳定，业务场景丰富
- 自动驾驶行业前景广阔，技术积累有长期价值
- 工作强度可能较大，需要应对复杂的性能优化问题
- 对技术深度要求高，需要持续学习新工具和框架
- 车端部署环境限制多，需要平衡性能和功耗
- 适合对底层性能优化有热情、具备扎实编程和CUDA基础、愿意深入自动驾驶领域的工程师
缺点 / 挑战
- 技术挑战大，能深入底层优化，积累高性能计算经验
角色解读
- 从性能优化工程师向AI系统架构师发展，负责整体训练和推理架构设计
- 在自动驾驶领域深耕，成为车载AI计算平台的专家
- 有机会参与前沿技术研究，如端到端模型、VLM/VLA等
- 负责AI模型训练和推理的性能分析，使用Nsight和PyTorch Profiler等工具定位瓶颈
- 优化分布式训练框架，提升集群训练效率和稳定性
- 在车载平台上部署和优化自动驾驶模型，包括量化、蒸馏和算子开发
- 精通C/C++和Python，具备扎实的算法基础
- 深入理解NVIDIA GPU架构和CUDA编程，有算子开发经验
- 熟悉PyTorch框架及其底层原理，有模型训练经验
- 熟悉TensorRT等推理框架，了解模型压缩技术
申请策略
- 关注吉利在自动驾驶领域的战略布局，在面试中展示对业务的了解
- 准备项目案例，重点说明如何解决性能瓶颈
- 突出CUDA算子开发和性能优化项目经验，量化性能提升成果
- 强调分布式训练和推理部署的实践经验，如使用PyTorch和TensorRT
- 展示对GPU架构和底层原理的理解，可提及相关技术博客或开源贡献
- 深入学习NVIDIA Nsight工具和CUDA性能分析
- 了解自动驾驶模型压缩技术，如量化和蒸馏
- 熟悉车载平台如Orin/Thor的架构和优化方法
面试指南
- 使用STAR法则：情境、任务、行动、结果，突出具体技术细节和量化成果
- 强调系统性思维，从Profiling到优化，再到验证的完整流程
- 结合项目经验，展示对工具和框架的熟练度
- 如何诊断和优化PyTorch训练中的GPU利用率？
- 描述一次你使用CUDA优化算子的经历
- 如何将模型部署到TensorRT并优化推理速度？
- 在分布式训练中，如何处理通信瓶颈？
- 对自动驾驶模型在车端部署的挑战有何理解？
职位点评
薪资福利70
成长发展90
工作生活50
使命价值85
薪资福利
70中等
职位薪资未明确，但作为上市巨头企业，薪资竞争力较强，福利体系完善。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
职位涉及前沿技术，如分布式训练、模型压缩、自动驾驶，技术成长空间大。
技术前沿前沿/新兴技术
技术栈CUDA、PyTorch、TensorRT、NCCL、Nsight、分布式训练、模型压缩
业务类型profit_center
工作生活
50较低
工作地点在杭州，未提及弹性办公，可能以现场办公为主，工作强度可能较高。
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
85较高
自动驾驶行业前景广阔，对交通安全和效率有积极影响，具有社会价值。
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