哔哩哔哩
AI开发实习生（平台工程方向）【2027届】
AI开发实习生（平台工程方向）【2027届】
发布于 大约 14 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
学历未注明
实习与临时职位
GO
MLflow
Megatron-LM
DeepSpeed
FSDP
Volcano
W&B
AI 估算 · 4k–6k
实习生岗位，B站位于上海，薪资对标互联网大厂实习标准，考虑技术难度和公司规模，估算月薪4-6k。
职位详情
关于这个职位
该实习岗位面向2027届学生，参与哔哩哔哩大模型训推平台的开发，你将接触到千卡至万卡规模的训练任务调度、分布式训练框架集成（如Megatron-LM/DeepSpeed）以及GPU监控运维工具的开发，是深入了解AI基础架构和平台工程的绝佳机会
最低要求
CS相关专业在读
熟悉 Python，掌握后端框架（FastAPI/Flask/Go 均可）
了解 Kubernetes，有容器化部署经验优先
了解分布式训练原理（DP/MP/PP）优先
有 Linux 系统管理和 Shell 脚本经验
了解 Prometheus/Grafana 监控体系加分
有 MLflow/W&B/Kubeflow 经验加分
工作职责
参与大模型训推平台开发，支撑千卡至万卡训练任务
开发任务调度系统（Kubernetes + Volcano）
集成分布式训练框架（Megatron-LM/DeepSpeed/FSDP）
构建实验管理平台（实验追踪、超参搜索、模型版本管理）
开发 GPU 监控、故障检测、断点续传等运维工具
优先资格
有容器化部署经验优先
了解分布式训练原理优先
了解 Prometheus/Grafana 监控体系加分
有 MLflow/W&B/Kubeflow 经验加分
AI 洞察
优缺点分析
优点
- 接触业界前沿的大模型训推平台技术栈，包括Kubernetes、DeepSpeed等，技术含量高
- B站作为大型互联网公司，平台和发展机会良好，有转正可能
- 团队负责核心AI基础设施，对个人技术视野和工程能力提升显著
- 仅面向2027届，对应届生身份有特定要求
- 适合对AI基础设施和分布式系统有强烈兴趣，具备一定后端开发和容器化知识的计算机专业学生，希望在大厂积累顶尖技术经验
缺点 / 挑战
- 实习岗位要求较高，需要同时掌握分布式训练、容器化和后端开发，学习曲线陡峭
- 涉及大规模集群运维，可能面临一定的工作压力
角色解读
- 通过实习积累大规模分布式系统经验，未来可向AI基础设施工程师、机器学习平台工程师方向发展
- 深入了解大模型训练全流程，为转向AI算法或系统架构师打下基础
- 在B站平台积累AI工程化经验，有转正机会并进入核心AI团队
- 参与大模型训练推理平台的开发，支持从千卡到万卡的分布式训练任务，涉及任务调度系统开发
- 集成主流分布式训练框架如Megatron-LM、DeepSpeed和FSDP，优化训练效率
- 构建实验管理平台，包括实验追踪、超参搜索和模型版本管理，以及开发GPU监控和故障检测等运维工具
- 扎实的Python编程能力，熟悉FastAPI、Flask或Go等后端框架
- 了解Kubernetes的基本概念和容器化部署，有实际操作经验者优先
- 理解分布式训练的基本原理（数据并行、模型并行、流水线并行），并了解相关框架
- 具备Linux系统管理和Shell脚本编写能力，了解监控体系如Prometheus/Grafana
申请策略
- 在简历中明确标注技能熟练度，并准备项目案例以便面试时深入讨论
- 主动了解B站AI平台的技术博客或开源项目，展现对团队技术的热情
- 突出Python和Web框架项目经验，尤其是FastAPI或Flask
- 强调任何Kubernetes相关实践，如容器化部署、编排经验，即使是课程项目
- 展示对分布式训练的理解，例如课程作业或小实验中使用过DP/MP
- 列出Linux管理和Shell脚本经验，体现系统运维能力
- 若对Kubernetes不熟，建议快速学习基础概念并通过minikube实操
- 了解分布式训练框架的文档和示例，尝试运行简单的Megatron-LM或DeepSpeed任务
面试指南
- 概念类问题：先给出定义，再结合实际场景举例说明，最后总结关键点
- 设计类问题：先明确目标，然后分步骤阐述架构思路，最后指出潜在挑战和解决方案
- 实操类问题：先描述经验，再具体说明步骤，最后总结教训
- 请解释Kubernetes中Pod、Service、Deployment的概念及关系
- 描述数据并行和模型并行的区别，以及各自适用场景
- 假设需要调度1000个GPU训练一个大模型，你会如何设计调度策略？
- 你熟悉哪些Python后端框架？请对比FastAPI和Flask的优缺点
- 如何监控并排查GPU训练任务中的性能瓶颈？
匹配度报告
60
综合匹配度
技术成长极高、薪资一般、WLB未明确、适合追求技术深度的实习生。
适合人群
最适合以技术成长为核心动机的求职者，愿意投入时间学习前沿AI基础设施技能。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利45
成长发展92
工作生活40
使命价值65
薪资福利匹配
45较低
实习薪资在行业中属于中等水平，福利项目未在JD中明确，但B站作为大厂通常有基本补贴，整体补偿性满足度一般。
薪资信号未披露（AI估算：4K-6K/月）
成长发展匹配
92较高
该岗位技术栈前沿，涉及大模型训练、Kubernetes、分布式系统等，成长性极高，且团队核心，能积累宝贵经验。
技术前沿前沿/新兴技术
技术栈Python、Kubernetes、Volcano、Megatron-LM、DeepSpeed、FSDP、FastAPI、Flask、Go、Prometheus、Grafana、MLflow、W&B、Kubeflow
业务类型ambiguous
工作生活匹配
40较低
仅现场办公，未提及弹性工作或WLB，作为实习生可能需要较强投入，生活化满足度较低。
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）
使命价值匹配
65中等
AI基础设施岗位对技术影响力较高，服务于大规模平台，但社会使命感一般，整体意义感中等偏上。
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
Watch Jobs