英特尔
AI Software Engineer Intern
AI Software Engineer Intern
发布于 大约 16 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
硕士
分布式系统
PyTorch
LLM
CUDA
GPU编程
vLLM
TensorRT-LLM
MoE
AI 估算 · 5k–10k
英特尔上海实习，硕士/博士在读，岗位技术难度高，薪资在大厂实习中处于中等偏上水平。
职位详情
关于这个职位
这是一个在英特尔上海的AI软件工程师实习岗位，专注于构建下一代大语言模型（LLM）推理系统，涉及模型优化、运行时性能和系统级设计
你将研究前沿论文并实现优化技术，包括GPU内核与运行时优化（Triton/CUDA）、MoE系统以及端到端推理系统开发
适合对LLM推理性能有强烈兴趣的硕士或博士在读学生
最低要求
硕士或博士在读（计算机科学、电子工程或相关领域）
扎实的编程技能（必须掌握 Python）
熟悉 PyTorch 和 Transformer 模型
扎实的算法和系统基础
至少可实习6个月（短期不考虑）
工作职责
研究与原型开发：阅读并复现前沿工作（LLM推理、MoE、系统），将思路转化为可工作的优化实现，识别瓶颈并迭代超越基线性能
LLM推理优化：实现和评估连续/动态批处理、KV缓存优化与内存管理、推测解码、Flash/Paged Attention、量化（INT8/FP8/低比特）等技术，优化延迟、吞吐量和GPU利用率
MoE（混合专家）系统：探索稀疏模型的高效推理，包括路由策略与负载均衡、专家并行与分片、通信与计算权衡，提升MoE推理的可扩展性和效率
内核与运行时优化：使用现代方法（Triton类编程模型、CUDA或等效底层框架）开发和优化GPU内核，研究内存访问模式与布局优化、算子融合与内核效率、张量工作负载的编译器风格优化，比较不同内核/运行时策略并集成到系统中
端到端推理系统开发：构建和优化完整的推理栈，包括模型执行层（vLLM、TensorRT-LLM或类似）、运行时调度与批处理、跨GPU/节点的分布式推理，工作内容涉及多GPU/多节点扩展、NCCL/通信优化、系统级性能调优
优先资格
具备以下一项或多项经验：
GPU 编程（CUDA、Triton 或类似技术）
LLM 推理框架（vLLM、TensorRT-LLM、FasterTransformer）
分布式系统或并行计算
了解：
GPU 架构和性能分析
量化或模型优化
MoE 或大规模模型系统
AI 洞察
优缺点分析
- 前沿技术栈：直接接触LLM推理、MoE、GPU最新优化技术，技术含金量高
- 大厂平台：英特尔全球资源，有机会参与顶级AI系统研发，积累项目经验
- 技能全面：覆盖从模型层到硬件层的全栈优化，锻炼系统性思维
- 技术难度大：需要同时掌握算法、系统和硬件知识，学习曲线陡峭
- 工作强度预期：涉及性能调优和论文复现，可能需要投入大量时间进行实验
- 竞争压力：岗位对学历和研究能力要求高，候选人多为顶尖高校硕博
- 适合对LLM推理性能有强烈好奇心和钻研精神、喜欢系统性解决复杂问题的硕博在读学生
角色解读
- 技术深耕路径：从实习生成长为LLM推理系统专家，可转向AI编译器、高性能计算方向
- 架构师路径：积累系统设计与优化经验，未来成为分布式AI系统的架构师
- 研究型路径：结合学术前沿与工程实践，可向AI研究员或科学家方向发展
- 研究并复现LLM推理、MoE等前沿论文，将其转化为实际代码并优化性能
- 开发和优化GPU内核，使用Triton或CUDA实现高效的并行计算
- 参与端到端推理系统构建，包括模型部署、运行时调度和分布式扩展
- 进行性能调优，分析并改进内存访问、算子融合和通信开销
- 扎实的Python编程能力，熟悉PyTorch和Transformer架构
- 熟悉GPU编程（CUDA或Triton），理解GPU架构和性能分析
- 掌握LLM推理框架（如vLLM、TensorRT-LLM）或分布式系统知识
- 具备系统级优化思维，能够从算法到硬件层面进行性能调优
申请策略
- 在简历中体现从论文到实现的闭环能力，展示一个完整的优化案例
- 面试前准备好自我介绍，突出对高性能计算和LLM系统的热情
- 突出GPU编程经验（CUDA/Triton）和性能优化项目，如实现过算子融合或加速
- 展示对LLM推理框架的理解，如使用vLLM部署或调优经历
- 强调学术能力：发表过相关论文或复现过前沿模型，附上GitHub链接
- 体现系统思维：分布式训练或推理、通信优化等经验
- 提前学习Triton编程模型和CUDA优化技巧，熟悉NVIDIA Nsight等性能分析工具
- 深入了解LLM推理的常见优化方法（如FlashAttention、PagedAttention、量化）
面试指南
- 从问题背景入手，再解释核心概念和实现细节，最后强调性能收益
- 结合系统思维，说明设计选择（如内存、通信、计算）的权衡
- 给出具体的代码或伪代码结构，展示实际编程能力
- 请解释FlashAttention的原理及其优势
- 如何在GPU上高效实现一个稀疏MoE层的前向传播？
- 描述一个你优化过的PyTorch模型，用了哪些技术？
- 对比vLLM和TensorRT-LLM的架构差异
- 如何处理LLM推理中的KV缓存内存管理？
匹配度报告
69
综合匹配度
顶尖大厂实习，前沿LLM推理技术，高成长性，但需现场办公且工作强度较大。
适合人群
最适合追求技术前沿和快速成长的求职者，愿意投入时间攻克技术难题，对薪资和WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利55
成长发展95
工作生活40
使命价值85
薪资福利匹配
55较低
薪资未在JD中披露，但作为实习岗位，英特尔提供行业内中等偏上的待遇；福利信息未提及，补偿性动机满足一般。
薪资信号未披露 (5K-10K/月)
成长发展匹配
95较高
该岗位聚焦LLM推理前沿技术，涉及GPU优化、MoE和系统级设计，技能成长空间极大；有明确的技术研究和工程实践结合，发展性动机高度满足。
技术前沿前沿/新兴技术
技术栈LLM、GPU编程、CUDA、Triton、MoE、分布式系统
业务类型profit_center
工作生活匹配
40较低
要求现场办公，且JD未提及弹性工作或WLB，工作内容涉及高强度性能调优，生活化动机满足较低。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
85较高
LLM推理是当前AI基础设施的核心方向，行业高速增长，岗位可能推动AI系统效率提升，具有较强的前沿技术使命感。
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