Pharmaron logo
康龙化成
2027届-硕士-AI Infrastructure 研究员-北京/上海

2027届-硕士-AI Infrastructure 研究员-北京/上海

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 3.0–5.0万 · AI 参考估算
无经验要求
博士
全职员工仅现场办公平台工程
平台工程
Go
Gpu调度
Npu适配
Pytorch
Sglang
Vllm

值不值得投

74综合评分

综合评分 74

前沿AI基础设施博士岗,技术与成长价值突出,薪资和WLB信息未披露。

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

4.0万

比平台工程中位数低

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 440 个在招

市场机会

选择适中

北京 · 平台工程 · 46 个在招

职位详情

关于这个职位

该岗位面向2027届博士候选人,负责AI研发平台与算力基础设施建设,包括统一模型网关、GPU/NPU资源调度、资源计量和可观测性能力建设

你将支撑大模型与科学模型的训练、推理和评测,并参与分布式训练、高性能推理或算子性能优化等方向共建

最低要求

教育背景:计算机、软件工程、电子信息、应用数学等相关专业博士学历

开发语言:熟练使用 Python,并熟练掌握 C++、Go、Rust 等至少一种系统开发语言
训练、推理性能或算子方向候选人应具备较强的 C++ 能力
系统基础:具备扎实的算法和数据结构基础,熟悉 Linux、分布式系统、网络与存储基础,能够使用日志、指标、链路追踪和性能分析工具定位复杂问题
平台工程:熟悉 Kubernetes 和容器化技术,理解多租户、资源隔离、调度、弹性伸缩和生产环境可靠性
具有 GPU 或其他异构算力工作负载的实际工程经验
成本与可靠性:具有统一 API/模型网关、资源计量、配额或可观测性系统的设计或落地经验,习惯以 SLO 达成率、每任务成本和资源利用率等指标推动平台演进
【专业方向能力(至少深入一个方向)】
平台与调度:熟悉 Kubernetes AI 生态,如 Kubeflow、Volcano、KubeRay 等,具备 GPU 容器化调度和管理经验
熟悉 Slurm、LSF 等 HPC 工作负载管理系统者同样适配
分布式训练与集群:熟悉 PyTorch、Megatron-LM、DeepSpeed 等框架,理解 DP、TP、PP、CP、EP 等并行策略及其组合
理解 NCCL、通信与显存优化、故障恢复和断点续训
熟悉 InfiniBand,或熟悉 RoCEv2 及 PFC、ECN 等流控与拥塞机制
了解 GPFS、JuiceFS、3FS、CephFS、Lustre 等高性能存储中的一种或多种
推理与性能优化:熟悉 vLLM、SGLang 等推理引擎及量化、推测解码等优化方法,能够围绕时延、吞吐、有效吞吐和成本开展容量规划与性能调优
性能方向候选人应熟悉 CUDA/Triton、NVIDIA GPU 架构,以及 NVIDIA Nsight Compute(ncu)和 Nsight Systems(nsys)等工具

工作职责

算力规划与资源治理:负责算力供需测算、容量规划、配额调度和平台化落地

建立利用率、排队时间、服务级别目标SLO达成率和每任务算力成本等指标,支持批处理错峰与资源优化
资源分配规则由业务、技术与治理团队共同定义,本岗位负责计量和平台化执行
统一模型网关与服务治理:面向自研模型、开源自部署模型和外部API,建设统一接入、鉴权、路由、配额、计量、审计日志、可观测性和故障降级能力
按照数据分级与安全策略限制外部 API 的使用范围
GPU/NPU 调度与平台建设:基于 Kubernetes(K8s)建设和优化 AI 任务调度能力,支持多租户、成组调度、动态扩缩容、容错重试和资源隔离
支撑数据不出域及存储隔离分区等部署形态
分布式训练与推理共建:与算法团队共同建设大模型和科学模型的训练、后训练及推理能力,覆盖 SFT、强化学习、蒸馏、通信与显存优化、断点续训等场景
基于 vLLM、SGLang 等推理引擎,结合量化、推测解码等技术提升性能,并以 TTFT、TPOT/ITL、端到端时延、吞吐、和成本等指标建立容量基线
评测与运行基础设施:为测试集、评分器、回归评测流水线及强化学习环境提供版本化、隔离、调度和可复现的运行底座
算法与评测团队负责评测内容和标准,本岗位负责稳定、高效的工程执行能力及运行数据沉淀
性能优化与异构适配:根据候选人专长和体系建设阶段,开展 CUDA/Triton 算子优化、NVIDIA GPU 架构适配及国产 GPU、NPU 等异构算力接入,持续改善性能、稳定性和单位任务成本

优先资格

有百卡及以上 GPU 集群的分布式训练、推理、调度或故障排查经验

具备千卡/万卡级集群实战经验者优先
对 Transformer 算子或 FlashAttention 等关键算子有深入优化或扩展开发经验
具有国产 GPU、昇腾 NPU 等异构 AI 芯片适配或混合部署经验
在 PyTorch、vLLM、DeepSpeed 等开源社区有代码贡献或 Maintainer/Contributor 经历
了解医药健康数据相关的安全与合规要求,或具有 CRO、医药行业 AI 平台建设经验

AI 洞察

优缺点分析

优点

  • 岗位处于大模型基础设施关键环节,能积累GPU/NPU调度、模型网关、可观测性和性能优化等高价值能力
  • JD覆盖平台、训练、推理、算子、异构适配多个方向,适合博士候选人结合研究专长深入发展
  • 场景包含大模型、多模态和科学模型,并涉及医药健康数据合规,技术落地场景较具体
  • 涉及数据分级、外部API限制和数据不出域等安全策略,设计时需要兼顾灵活性、合规性和稳定性
  • 适合计算机、软件工程、电子信息或应用数学背景的博士候选人,尤其是有GPU集群、Kubernetes平台、分布式训练或推理优化实践经历的人

缺点 / 挑战

  • 明确提到百卡、千卡/万卡集群和开源社区贡献优先,技术深度和工程挑战较强
  • 技术栈跨度大,既要平台工程能力,也要理解分布式训练、推理优化和异构算力,上手门槛较高
  • 需要以SLO、资源利用率、每任务成本等指标推动平台演进,工程落地和跨团队协同压力不小

角色解读

  • 初期可成长为AI平台工程或算力基础设施专家,负责更大规模的GPU/NPU集群治理和性能优化
  • 中期可向分布式训练系统、推理引擎、异构算力适配或AI云原生架构专家方向发展
  • 长期可发展为AI基础设施技术负责人,统筹平台架构、资源治理、研发效能和跨团队技术路线
  • 负责AI研发平台的算力规划、容量测算、配额调度和资源计量,把GPU/NPU资源转化为可治理、可观测的平台能力
  • 建设统一模型网关,支持自研模型、开源模型和外部API的鉴权、路由、审计、降级与安全边界控制
  • 基于Kubernetes建设AI任务调度和多租户隔离能力,支撑大模型及科学模型训练、推理、评测和复现实验
  • 与算法团队协作优化训练、推理和算子性能,围绕时延、吞吐、成本和稳定性建立容量基线
  • 需要扎实的Python和系统语言能力,至少掌握C++、Go、Rust之一,性能或算子方向尤其看重C++
  • 需要熟悉Linux、分布式系统、网络、存储、可观测性和性能分析工具,能定位复杂平台问题
  • 需要掌握Kubernetes、容器化、多租户、资源隔离、弹性伸缩和GPU/异构算力调度经验
  • 根据方向不同,还需深入Kubeflow/Volcano/KubeRay、PyTorch/DeepSpeed/Megatron-LM,或vLLM/SGLang/CUDA/Triton等栈

申请策略

  • 申请时建议明确选择自己的主攻方向:平台调度、分布式训练、推理优化或异构适配,避免显得泛而不深
  • 面试前了解康龙化成在医药研发和AI平台结合上的业务场景,准备如何把基础设施能力转化为研发效率与成本收益
  • 突出与GPU/NPU集群、Kubernetes调度、多租户隔离、资源计量或可观测性相关的项目,说明规模和你的具体贡献
  • 展示Python加C++/Go/Rust的系统开发能力,尤其是性能分析、故障排查和生产可靠性方面的成果
  • 如果有PyTorch、DeepSpeed、vLLM、SGLang、CUDA/Triton或开源社区贡献,应写明版本、模块、优化指标和结果
  • 补充医药健康数据、CRO或数据安全合规相关经历,若有数据不出域、存储隔离或审计日志设计经验应重点呈现
  • 提前准备Kubernetes AI生态组件,如Volcano、KubeRay、Kubeflow,以及GPU容器化和成组调度的实践案例
  • 熟悉vLLM、SGLang、量化、推测解码、TTFT、TPOT、吞吐和成本基线等推理性能评估方法

面试指南

  • 系统设计题按“目标与约束—核心架构—关键流程—指标与故障处理—扩展点”展开,重点说明SLO、成本、隔离和安全边界
  • 性能优化题按“基线指标—瓶颈定位—优化方案—实验验证—收益与代价”回答,尽量用吞吐、时延、利用率和成本量化结果
  • 项目经历题使用STAR框架,突出个人贡献、技术难点、跨团队协作和可迁移经验,避免只描述团队成果
  • 如何设计一个支持多租户、配额、计量、审计和故障降级的统一模型网关?
  • 在Kubernetes上调度GPU任务时,如何解决成组调度、资源隔离、容错重试和动态扩缩容问题?
  • 如何衡量和优化大模型推理服务?请解释TTFT、TPOT、吞吐、有效吞吐和每任务成本之间的关系
  • 描述一次你定位分布式训练或GPU集群性能瓶颈的经历,使用了哪些工具,最终优化了哪些指标?
  • 如果外部API存在数据泄露风险,你会如何结合数据分级、鉴权、路由和审计日志设计防护方案?

职位点评

薪资福利72
成长发展92
工作生活45
使命价值78

薪资福利

72中等

JD未披露薪资和具体福利,但岗位面向博士校招且技术门槛较高,从岗位要求看 compensation 信息不足,只能判断为中等偏上潜力。

薪资信号未披露(AI估算:3.0千–5.0万/月)

成长发展

92较高

岗位覆盖AI平台、算力治理、分布式训练、高性能推理、异构适配和算子优化,技术深度和成长空间非常突出。JD还提到开源社区贡献和大规模集群经验优先,适合希望深耕AI基础设施的候选人。

技术前沿前沿/新兴技术
技术栈AI Infrastructure、Kubernetes、GPU/NPU、LLM、多模态、vLLM、SGLang、PyTorch、Megatron-LM、DeepSpeed、CUDA、Triton、FlashAttention、InfiniBand、RoCEv2
业务类型ambiguous

工作生活

45较低

JD仅明确北京/上海地点,未提及远程、弹性办公、双休或加班信息,因此生活化动机满足程度无法确认。办公模式信号缺失是主要限制。

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

78中等

岗位支撑大模型、科学模型和医药健康AI平台建设,并涉及数据安全合规,具有较强行业应用价值。JD未直接表达社会使命或价值导向词,意义感主要来自技术应用场景。

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