
康龙化成
2027届-博士-AI Infrastructure 研究员-北京/上海
2027届-博士-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
全职员工仅现场办公平台工程
平台工程
Go
Gpu调度
Npu适配
Sglang
Vllm
可观测性
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,技术成长强,医药场景有壁垒,办公模式未明确
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,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建设
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
- 岗位处于大模型与AI基础设施交叉方向,能积累GPU集群调度、模型网关、推理优化等高稀缺能力
- JD覆盖训练、推理、评测、可观测性和异构适配,技术面广,适合博士阶段希望从算法研究延伸到系统工程的人
- 医药健康场景下的AI平台建设具有专业壁垒,可形成行业知识与平台工程能力的复合优势
- 明确面向2027届博士,岗位定位清晰,适合以校招方式进入高门槛技术平台团队
- 技术栈跨度大,既要懂分布式系统和Kubernetes,也要理解大模型训练推理、GPU/NPU性能和成本治理
- 岗位强调平台化落地和指标治理,不只是做研究,还需要处理生产可靠性、多租户隔离、审计和故障降级等工程细节
- 适合计算机、软件工程、电子信息、应用数学等专业博士,尤其是有GPU集群、Kubernetes平台、大模型训练推理或性能优化项目经验的人
- 也适合希望在AI基础设施和平台工程方向长期深耕,而非单纯做算法建模的求职者
缺点 / 挑战
- 百卡、千卡乃至万卡集群经验被列为优先项,对缺乏大规模集群实战的应届生来说竞争压力较高
角色解读
- 初期可深耕AI平台工程、GPU/NPU调度和算力治理,成长为AI基础设施专家或平台架构师
- 中期可向分布式训练、高性能推理、异构算力适配或可观测性体系方向扩展,形成大模型系统工程全栈能力
- 长期可发展为技术专家、团队负责人,或转向AI研发平台架构、科学计算平台建设等技术管理方向
- 负责AI研发平台和算力底座建设,包括算力容量规划、配额调度、资源计量和成本治理,让训练、推理和评测任务能稳定高效运行
- 建设统一模型网关,把自研模型、开源模型和外部API接入到统一体系中,处理鉴权、路由、限流、审计、可观测性和故障降级
- 基于Kubernetes建设GPU/NPU任务调度能力,支持多租户、资源隔离、弹性扩缩容和容错重试,并保障数据不出域等安全部署要求
- 与算法和评测团队协作,支撑大模型及科学模型的训练、后训练、推理、评测和性能优化工作
- 需要扎实的Python与至少一种系统语言能力,尤其是C++、Go或Rust,并具备算法、数据结构、Linux、分布式系统、网络和存储基础
- 需要熟悉Kubernetes、容器化、多租户调度、资源隔离和生产可靠性,且有GPU或异构算力工作负载的工程经验
- 需要理解大模型训练与推理链路,包括PyTorch、DeepSpeed、Megatron-LM、vLLM、SGLang、并行策略、通信优化和显存优化
- 需要具备平台治理意识,能用SLO、资源利用率、排队时间、每任务成本等指标推动平台演进
申请策略
- 申请时建议明确自己的深入方向是平台调度、分布式训练还是推理性能优化,并匹配JD中的对应能力要求
- 可提前了解医药健康数据合规、CRO业务场景和数据不出域要求,体现对行业场景的理解
- 突出与GPU/NPU集群、Kubernetes调度、多租户资源隔离、弹性伸缩、容错重试相关的项目,说明规模、指标和你的具体贡献
- 重点展示大模型训练或推理项目经历,如PyTorch、DeepSpeed、Megatron-LM、vLLM、SGLang、SFT、强化学习、蒸馏、断点续训等
- 如果有性能优化经历,写清楚使用的工具和方法,如CUDA/Triton、NVIDIA Nsight Compute、Nsight Systems、量化、推测解码、通信或显存优化
- 强调工程治理能力,包括资源计量、配额、SLO、可观测性、审计日志、成本优化和故障排查,最好用量化结果呈现
- 补齐Kubernetes AI生态工具链,建议熟悉Kubeflow、Volcano、KubeRay,并动手实践GPU容器化调度和资源隔离
- 加强大模型推理与训练框架实践,重点掌握vLLM/SGLang部署调优、PyTorch分布式训练、DeepSpeed并行策略和NCCL通信基础
面试指南
- 用“背景—目标—架构—关键难点—结果”的结构回答项目题,重点说明规模、约束、指标和你个人负责的模块
- 回答设计题时先明确需求和边界,再分层拆解为调度层、网关层、观测层、存储与安全层,最后讨论可靠性、成本和扩展性
- 回答性能优化题时遵循“建立基线—定位瓶颈—提出假设—实施优化—回归验证—沉淀指标”的闭环,避免只罗列工具
- 如何设计一个支持多租户的GPU/NPU调度平台?如何保证资源隔离、公平性和高利用率?
- 统一模型网关需要支持自研模型、开源模型和外部API,你会如何设计鉴权、路由、配额、审计和故障降级?
- 在大模型推理场景中,如何围绕TTFT、TPOT/ITL、吞吐和成本做容量规划与性能优化?
- 请介绍你参与过的分布式训练项目,包括并行策略、通信优化、显存优化、断点续训和故障恢复经验
- 如何建设AI平台的可观测性体系?你会选择哪些指标来判断平台是否健康?
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未披露薪资和福利信息,因此补偿性动机只能基于岗位门槛和城市信息做有限判断。博士校招且技术门槛较高,通常具备一定薪资想象空间,但缺少明确福利信息。
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平台工程、GPU/NPU调度、大模型训练推理、评测基础设施和性能优化,技术深度和广度都很强。JD还提到开源社区贡献、异构芯片适配和大规模集群经验优先,对技术成长非常有利。
技术前沿前沿/新兴技术
技术栈AI Infrastructure、Kubernetes、GPU/NPU调度、LLM、多模态、vLLM、SGLang、PyTorch、Megatron-LM、DeepSpeed、CUDA、Triton、FlashAttention、可观测性、资源计量
业务类型ambiguous
工作生活
45较低
JD未明确说明远程、混合办公、弹性工时或双休等信息,因此生活化动机满足程度无法得到明确支持。工作地点限定为北京/上海,但未披露具体办公模式与通勤安排。
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
岗位服务于AI研发平台与科学模型训练推理,并涉及医药健康数据安全和CRO、医药行业AI平台建设经验,具备一定行业应用价值。JD未直接描述社会使命或公共价值表述,因此意义感主要来自技术底座建设和医药健康场景。
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
康龙化成 的其他在招职位
相似职位推荐
Senior Associate, AI Platform & Foundation
辉瑞 · 上海市
AI 估算 · 4.5–7.5万7 天前发布
基础平台工程师(容器/调度/云原生方向)
哔哩哔哩 · 上海市
AI 估算 · 5.0–8.0万22 天前发布
AI平台研发实习生
影石创新 · 深圳市
AI 估算 · 4.3–6.6千23 天前发布
Agent Infra 开发工程师
智谱 · 北京市
AI 估算 · 3.0–5.0万23 天前发布
算法平台与工程化工程师
三一集团 · 珠海市
AI 估算 · 1.3–2.5万23 天前发布
千问办公-AI Agent Harness 工程师-杭州
阿里巴巴 · 杭州市
薪资待沟通24 天前发布
Senior Software Engineer - M365
微软 · 苏州市
AI 估算 · 3.5–5.5万25 天前发布
Senior Software Platform Engineer, Apple Pay
苹果 · 上海市
AI 估算 · 5.0–8.5万26 天前发布
Watch Jobs