华为AI大模型架构师/算法专家招聘全解析，带你入门前沿技术

本文详细介绍了华为AI大模型架构师和算法专家（多模态/大模型/搜广推）的岗位职责和要求。主要涵盖大模型训练与推理优化、国产硬件适配、算法架构创新、行业趋势洞察等关键内容。适合对AI领域有浓厚兴趣，具备扎实编程和机器学习基础，希望深入大模型技术前沿的程序员学习。

01

招聘部门

研发族 - OTT2系统部

02

招聘岗位

1

AI大模型架构师（训练/推理）

训练方向

1. 调研和洞察业界大模型训练MFU提升的关键技术，结合大模型训练负载(Dense、MoE、Agent、RL、多模态等)和国产硬件架构特点，制定优化方案并实施落地；

2. 调研业界训练集群利用率和训练可靠性的关键技术，针对训练集群特点参与设计技术方案并实施落地；

3. 从实际业务场景出发，深度参与算法-系统协同优化，开展可商用的颗粒化技术创新和落地；

4. 解决在模型训练中遇到的性能、精度问题；并完成问题总结复盘，形成作战指导书；

5. 支撑在国产硬件上完成大语言模型、多模态大模型的预训练和强化学习后训练；

6. 展开针对业务场景、模型架构、训练方法的洞察，结合国产硬件特点产出训练侧垂直洞察报告，并根据洞察结果，设计适合国产硬件的差异化竞争方案。；

7. 行业趋势洞察与场景牵引：深入分析大语言模型应用发展趋势，跟踪模型能力提升路径（如COT, RLHF, PPO, GRPO, MOE，超长序列扩展等），洞察模型结构演进、算力需求、训练方法演进、输出具备洞察结果。

推理方向

1. 调研洞察业界大模型推理优化的关键技术，包括不限于量化、KV压缩、投机推理、PD分离、大EP MOE优化等，融合客户景需求和硬件架构特点，制定深度优化方案并实施落地；

2. 深刻理解国产算力架构，必要时开发融合算子，算法和系统结合，端到端完成关键优化特性的交付和落地；

3. 熟练使用性能分析工具，发现负载性能瓶颈并优化之；

4. 大模型推理服务化引擎和框架的开发和优化。从业务端到端视角审视优化空间，并推动技术方案设计、实施和商用交付；

5. 展开针对业务场景、模型架构、推理加速方法、推理框架的洞察，结合硬件特点产出训练侧垂直洞察报告，并根据洞察结果，设计适合国产硬件的差异化竞争方案；

6. 行业趋势洞察与场景牵引：深入分析大语言模型应用发展趋势，跟踪典型应用场景（如聊天机器人，RAG, Agent，Agent Group），洞察模型结构、算力需求、系统瓶颈，输出具备前瞻性的性能优化建议。

业务技能要求

1. 有 5 年以上工作经验；

2. 有较强的逻辑/概率思维能力，善于分析、归纳、描述、沟通、和解决问题；

3. 能独立承担系统设计、开发、调测等开发任务；

4. 能快速接受和掌握新技术，有较强的独立、主动的学习能力；

5. 对AI Infra领域有强烈兴趣优先。

专业知识要求

1. 熟练掌握 Python、C++等编程语言；

2. 具备计算机系统、软件设计、AI模型或者集合通信等专业知识中的一种或多种；

3. 了解大模型相关的概念和知识；

4. 了解大模型训练原理，强化学习原理；

5. 有大模型精度调优经验，有基模训练经验或者RL训练经验；

6. 了解算子融合、量化、KV压缩、投机推理、PD分离等常用大模型推理技术；

7. 熟悉大模型推理框架(如vLLM、SGLang等)优先；

8. 有GPU/国产计算卡算子开发经验优先；

9. 有顶会论文者优先。

2

算法专家（多模态/大模型/搜广推）

多模态/大模型方向

1. 多模态/大模型训练架构与方法创新：主导多模态模型的训练范式设计与系统优化策略，包括跨模态对齐、预训练目标设定（如图文对齐、语音文本联合建模）、多阶段训练（预训练+指令微调+强化学习后训练）等方法，推动大规模多模态模型在国产平台上的高效训练能力建设；

2. 行业趋势洞察与场景牵引：深入分析多模态AI应用发展趋势，跟踪典型应用场景（如语音视觉联动、图片/视频生成、图文理解、多模态对话、视频理解、理解生成统一模型、Agentic 大模型等），洞察其模型结构、算力需求、系统瓶颈，输出具备前瞻性的能力演进路线和资源规划建议；

3. 训练-推理协同优化策略：跟踪并推动多模态场景下的训练-推理协同设计策略，如模型结构对推理效率的影响、量化/稀疏/模型切分；

4. 协助完成多模态理解、多模态生成模型的训练和推理加速。

搜广推方向

1. 负责推荐训推解决方案竞争力规划，支撑构筑基于国产硬件、业界领先推荐系统；

2. 洞察当前业界主流推荐系统和N+1代推荐系统技术发展趋势，跟踪业界动态，行业市场需求，牵引竞争力规划；

3. 分析推荐领域的算法策略制定，对召回、粗排、精排、策略等进行分析 ；

4. 协助落地定制推荐模型，对模型训练，上线执行进行支撑，解决性能和精度问题；

5. 展开针对业务场景、模型架构、训练方法的洞察，结合硬件特点产出搜广推垂直洞察报告，并根据洞察结果，设计适合国产硬件的差异化竞争方案。

多模态/大模型方向 业务技能要求

1. 计算机科学、电子通信、统计学、应用数学等相关领域专业；

2. 具备机器学习、深度学习的知识基础；

3. 熟悉python、C/C++中的一种或多种语言；

4. 具备团队合作精神。

搜广推方向 业务技能要求

1. 了解业界主流推荐系统全流程：召回、粗排、精排、重排等，具备推荐系统真实业务上线hands on经验；

2. 了解推荐典型算法，具备推荐系统底层GPU/国产计算卡性能优化经验优先；

3. 推荐系统、计算广告、搜索引擎相关领域有经验者优先；

4. 了解Transformer在搜索推荐领域应用、GR模型落地经验者优先。

专业知识要求

1. 具备大规模机器学习分布式训练或者高性能推理系统开发和优化经验；

2. 熟悉Diffusion， DIT, QwenVL， AR生成式模型；

3. 具备扎实的机器学习，深度学习理论知识；

4. 具备一线的AI算法（NLP，语音，CV）落地经验；

5. 拥有大型C/C++ 项目软件开发经验；

6. 高并发服务开发经验。

如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】