如约见 · 技术研发 · 算法/AI

高级机器学习工程化研发工程师(infra方向)

宁德时代 · 薪资面议 · 更新于 2026/11/19

任职要求

经验:应届生学历:本科及以上

岗位描述

(方向满足其一) 1. 研发覆盖预训练与后训练的大规模分布式训练系统:支持 DP/TP/PP/EP/CP 等并行策略,优化 MoE 路由与负载均衡、通信与计算重叠、长序列训练的显存使用与通信;建设强化学习及知识蒸馏基础设施,面向长链推理、多模态与多轮 Agent 交互,优化资源部署及同步、异步训练流程,解决训推一致性问题,提升整体效率。 2. 训练与推理正确性及稳定性攻关:完善故障容错与断点续训机制,诊断 loss spike,开展低精度训练与推理的精度验证及数值稳定性优化,保障计算结果可靠与大规模集群长期稳定运行。 3. 高性能算子研发与优化:面向 NVIDIA GPU 与华为昇腾架构,开发和优化训练、推理核心算子,重点推进昇腾 CANN/Ascend C 算子开发、适配与性能调优,提升执行效率与硬件利用率。 4. 训练平台架构设计与建设:面向预训练、后训练,尤其是强化学习与 Agent 训练场景,设计高效、稳定的分布式系统架构,完善 Kubernetes 调度、集群环境管理及沙盒、容器的资源申请、隔离与回收机制。 5. 高效模型结构设计与优化:从 Infra 视角出发,结合硬件特性与计算、显存、通信瓶颈,开展注意力机制等核心结构创新,在保持模型精度的前提下显著提升训练或推理效率。 6. 与模型团队协同,将系统能力转化为模型迭代效率,产出系统研究论文与开源组件。 二、 1. 计算机系统、体系结构、高性能计算、分布式系统等相关专业; 2. 精通 C++/CUDA/Python 至少一门,熟悉 GPU 或昇腾体系结构与性能分析; 3. 训练框架岗位:熟悉 Megatron-LM/DeepSpeed/FSDP/verl/vLLM/SGLang 至少其一,有千卡级集群训练或推理系统实战经验者优先; 4. 算子研发岗位:熟悉 NVIDIA CUDA 或昇腾 CANN/Ascend C 算子开发,具备核心算子实现与性能调优能力,有昇腾算子开发、适配及优化实战经验者优先; 5. 系统架构岗位:熟悉预训练与后训练系统,尤其是强化学习与 Agent 训练场景,具备高效、稳定的分布式系统设计能力;熟悉 Kubernetes 调度、集群环境管理及沙盒、容器的资源申请、隔离与回收,有大规模训练平台架构设计与落地经验者优先; 6. 高效模型结构研发岗位:具备从 Infra 视角设计和优化模型结构的能力,能够结合硬件特性及计算、显存、通信开销开展结构创新,在保持模型精度的前提下提升训练或推理效率,有相关设计与落地验证经验者优先。 一、岗位职责(方向满足其一) 1. 研发覆盖预训练与后训练的大规模分布式训练系统:支持 DP/TP/PP/EP/CP 等并行策略,优化 MoE 路由与负载均衡、通信与计算重叠、长序列训练的显存使用与通信;建设强化学习及知识蒸馏基础设施,面向长链推理、多模态与多轮 Agent 交互,优化资源部署及同步、异步训练流程,解决训推一致性问题,提升整体效率。 2. 训练与推理正确性及稳定性攻关:完善故障容错与断点续训机制,诊断 loss spike,开展低精度训练与推理的精度验证及数值稳定性优化,保障计算结果可靠与大规模集群长期稳定运行。 3. 高性能算子研发与优化:面向 NVIDIA GPU 与华为昇腾架构,开发和优化训练、推理核心算子,重点推进昇腾 CANN/Ascend C 算子开发、适配与性能调优,提升执行效率与硬件利用率。 4. 训练平台架构设计与建设:面向预训练、后训练,尤其是强化学习与 Agent 训练场景,设计高效、稳定的分布式系统架构,完善 Kubernetes 调度、集群环境管理及沙盒、容器的资源申请、隔离与回收机制。 5. 高效模型结构设计与优化:从 Infra 视角出发,结合硬件特性与计算、显存、通信瓶颈,开展注意力机制等核心结构创新,在保持模型精度的前提下显著提升训练或推理效率。 6. 与模型团队协同,将系统能力转化为模型迭代效率,产出系统研究论文与开源组件。 二、岗位要求 1. 计算机系统、体系结构、高性能计算、分布式系统等相关专业; 2. 精通 C++/CUDA/Python 至少一门,熟悉 GPU 或昇腾体系结构与性能分析; 3. 训练框架岗位:熟悉 Megatron-LM/DeepSpeed/FSDP/verl/vLLM/SGLang 至少其一,有千卡级集群训练或推理系统实战经验者优先; 4. 算子研发岗位:熟悉 NVIDIA CUDA 或昇腾 CANN/Ascend C 算子开发,具备核心算子实现与性能调优能力,有昇腾算子开发、适配及优化实战经验者优先; 5. 系统架构岗位:熟悉预训练与后训练系统,尤其是强化学习与 Agent 训练场景,具备高效、稳定的分布式系统设计能力;熟悉 Kubernetes 调度、集群环境管理及沙盒、容器的资源申请、隔离与回收,有大规模训练平台架构设计与落地经验者优先; 6. 高效模型结构研发岗位:具备从 Infra 视角设计和优化模型结构的能力,能够结合硬件特性及计算、显存、通信开销开展结构创新,在保持模型精度的前提下提升训练或推理效率,有相关设计与落地验证经验者优先。 一、岗位职责 1. 负责新产品导入基地的可制造性风险评估; 2. 统筹新拉线、切换拉线、新设备规划,参与新设备技术方案评审,以及未来量产线的规划; 3. 负责提升量产产品的生产效率和产品质量,如制造成本降低、制程不良分析等,同时进行产品安全改善措施落地推广; 4. 负责现场客户审核及客审问题整改、客户投诉问题的原因分析、改善对策制定及集团横展; 5. 负责测量方法与制程监控方案的研究和导入,及工程变更相关风险评估及断点管控导入; 6. 负责基地量产文件管控。 二、岗位要求 1. 本科及以上学历; 2. 材料类、化学类、机械类、电气类、能源类等理工科相关专业; 3. 英语听说读写能力优秀; 4. 在校内有锂电、机械、材料等相关论文或专利者优先; 5. 具备优秀的沟通表达能力,逻辑清晰、思维敏捷,自驱力强。 一、岗位职责: 1、新工厂建设期间,负责跟进拉线设备qualify,确保设备各项功能满足要求; 2、组织新拉线放行评审工作,识别新拉线搭建过程的中风险点,并推动问题的解决; 3、整理新拉线搭建过程中的相关资料,对接客户PPAP审核工作,确保审核顺利通过; 4、负责拉线SPC系统导入,跟进并推动SPC报警问题的分析与解决; 5、负责集团CTS和横展措施清单在新拉线的导入,并建立CTS、横展措施日报和周报; 6、负责拉线MES系统相关数据收集组的维护,确保产品数据受控; 7、梳理拉线过程关键质量管控点,并输出给到巡检团队,确保过程质量稳定可控; 8、统筹内部与客户端质量问题分析改善,运用8D/6sigma等手段系统性的解决问题,防止重复发生。 二、岗位要求: 1、英语读写能力佳,口语佳者优先; 2、熟悉6sigma,8D的工程方法,能熟练运用这些方法解决实际问题,有项目开展经验优先; 3、有较强的逻辑推理及数据分析能力,能熟练运用Excel,JMP,mintab等工具进行数据分析; 4、有较强的沟通协调能力,有项目管理经验优先; 5、个性开朗,有一定的抗压能力; 6、硕士及以上学历。 一、岗位职责描述: 【岗位职责】 1.负责商用车、乘用车、储能相关领域的行业研究、政策研究及客户研究,持续跟踪市场变化,研判并量化趋势性机会与风险,输出周报、月报、专题报告及季度分析报告。 2.支持电池市场需求预测,围绕终端销量、电动化率、单车带电量、客户提货节奏、产品结构等关键维度,形成对市场空间、提货量及产品组合的判断,并支持短期及中长期产能规划。 3.承接体系内其他业务单元的分析需求,包括但不限于行业需求、重点客户、产品结构、产能布局、竞争格局等,提供数据支持与策略建议。 4.支持电池相关竞对研究,重点跟踪全球及国内主要竞争对手的战略方向、客户进展、产能布局、技术路线及产品规划,形成可落地的竞争情报分析 5.开展内外部市场调研,整合行业访谈、客户交流、渠道反馈及公开信息,形成调研结论,为市场判断、资源投入和产能决策提供依据。 6.推动跨部门协同,与销售、产品、研发、制造、供应链等团队联动,促进市场判断向业务决策和经营动作转化。 二、岗位要求: 1.具备较强的数据分析和结构化思维能力,能够完成研究框架搭建、数据整理分析、报告撰写及结论输出 2.具备较强的自驱力、责任心和抗压能力,适应快节奏、高强度的工作环境 --- 职位详情 面向 2026年7月 ~ 2027年12月 期间毕业的同学 高级机器学习工程化研发工程师(infra方向) 计算机与AI类 | 上海市 | 2 职位描述 一、岗位职责(方向满足其一) 1. 研发覆盖预训练与后训练的大规模分布式训练系统:支持 DP/TP/PP/EP/CP 等并行策略,优化 MoE 路由与负载均衡、通信与计算重叠、长序列训练的显存使用与通信;建设强化学习及知识蒸馏基础设施,面向长链推理、多模态与多轮 Agent 交互,优化资源部署及同步、异步训练流程,解决训推一致性问题,提升整体效率。 2. 训练与推理正确性及稳定性攻关:完善故障容错与断点续训机制,诊断 loss spike,开展低精度训练与推理的精度验证及数值稳定性优化,保障计算结果可靠与大规模集群长期稳定运行。 3. 高性能算子研发与优化:面向 NVIDIA GPU 与华为昇腾架构,开发和优化训练、推理核心算子,重点推进昇腾 CANN/Ascend C 算子开发、适配与性能调优,提升执行效率与硬件利用率。 4. 训练平台架构设计与建设:面向预训练、后训练,尤其是强化学习与 Agent 训练场景,设计高效、稳定的分布式系统架构,完善 Kubernetes 调度、集群环境管理及沙盒、容器的资源申请、隔离与回收机制。 5. 高效模型结构设计与优化:从 Infra 视角出发,结合硬件特性与计算、显存、通信瓶颈,开展注意力机制等核心结构创新,在保持模型精度的前提下显著提升训练或推理效率。 6. 与模型团队协同,将系统能力转化为模型迭代效率,产出系统研究论文与开源组件。 二、岗位要求 1. 计算机系统、体系结构、高性能计算、分布式系统等相关专业; 2. 精通 C++/CUDA/Python 至少一门,熟悉 GPU 或昇腾体系结构与性能分析; 3. 训练框架岗位:熟悉 Megatron-LM/DeepSpeed/FSDP/verl/vLLM/SGLang 至少其一,有千卡级集群训练或推理系统实战经验者优先; 4. 算子研发岗位:熟悉 NVIDIA CUDA 或昇腾 CANN/Ascend C 算子开发,具备核心算子实现与性能调优能力,有昇腾算子开发、适配及优化实战经验者优先; 5. 系统架构岗位:熟悉预训练与后训练系统,尤其是强化学习与 Agent 训练场景,具备高效、稳定的分布式系统设计能力;熟悉 Kubernetes 调度、集群环境管理及沙盒、容器的资源申请、隔离与回收,有大规模训练平台架构设计与落地经验者优先; 6. 高效模型结构研发岗位:具备从 Infra 视角设计和优化模型结构的能力,能够结合硬件特性及计算、显存、通信开销开展结构创新,在保持模型精度的前提下提升训练或推理效率,有相关设计与落地验证经验者优先。 一、岗位职责(方向满足其一) 1. 研发覆盖预训练与后训练的大规模分布式训练系统:支持 DP/TP/PP/EP/CP 等并行策略,优化 MoE 路由与负载均衡、通信与计算重叠、长序列训练的显存使用与通信;建设强化学习及知识蒸馏基础设施,面向长链推理、多模态与多轮 Agent 交互,优化资源部署及同步、异步训练流程,解决训推一致性问题,提升整体效率。 2. 训练与推理正确性及稳定性攻关:完善故障容错与断点续训机制,诊断 loss spike,开展低精度训练与推理的精度验证及数值稳定性优化,保障计算结果可靠与大规模集群长期稳定运行。 3. 高性能算子研发与优化:面向 NVIDIA GPU 与华为昇腾架构,开发和优化训练、

宁德时代其他在招岗位

同类在招岗位(技术研发)

岗位信息来自企业官方招聘渠道(catl-campus),由如约见每日自动同步; 如已下架可前往职位雷达用 AI 匹配相似岗位,或浏览招聘岗位大全。