ai infra

本科是985人工智能，调剂到某985土木工程 课题组是做CV的，想请教各位我这种情况是否还能进互联网，以及走哪条路要好一点，比如是CV转多模态之类的，还是JAVA后端开发，或者AI agent，AI Infra之类的。现在的情况是可能只有寒暑假才能实习，求建议。

更偏推理基础、工程细节和 CUDA 手写题这场百度 AI Infra 一面，整体感受是节奏很快，前半段主要围绕简历里的项目和实习经历往下问，后半段会明显转到一些更偏推理基础和工程理解的问题，最后还加了一道 CUDA 的手写题。面试官一开始先介绍了团队，说他们在百度智能云下面，训练、推理、强化学习、Agent 这些 AI Infra 相关方向基本都覆盖到了，所以一上来的感觉就是，这不是只盯某一个小点的岗位，而是一个工作面比较宽的 Infra 团队。正式开始之后，前面还是从我现在做的事情切进来，重点还是摩尔线程这段实习。面试官先问我怎么理解自己在做的这个 TensorFlow MUSA Exten...

这一轮更偏大模型、量化和推理基础理解这场蚂蚁 AI Infra 三面，整体感觉和前两轮又不太一样。前两轮更多是在深挖我已经做过的项目，这一轮虽然也会问项目，但明显更关注我对大模型推理、量化、KV Cache、attention 这些基础问题到底理解到什么程度。开头还是先做自我介绍，我主要讲了自己现在在做的几个方向：一段偏工程化的软件开发经历，一段偏算子和图优化的实习经历，以及自己在做的一个基于 Python extension 的量化推理 runtime 小项目。这一轮项目部分问得相对直接。面试官先让我展开讲了自己做的那个量化推理 runtime。我这边讲的是，基于一个开源 runtime 做...

项目深挖很多，也聊到了互联和软件硬件协同最近面了一场阿里云的 AI Infra 二面，整体感受是，这轮不是那种偏八股或者偏刷题的面试，更像是围绕项目经历一路深挖，看你到底有没有真的做过优化，也看你对自己后面想做的方向是不是足够清楚。开头还是常规自我介绍，我主要讲了自己现在在做的方向，包括 AI Infra、异构计算、底层性能优化，以及一些算子开发、图优化、推理优化相关的经历。后面的问题也基本都是顺着这些内容往下展开。前半段主要是在深挖项目。面试官先问了我现在做过的几类事情，我把内容归成了三块：一块是算子优化，一块是算子融合和图优化，还有一块是一些稳定性问题和 bug 修复。这里他问得比较细，不...

计算产品线：大模型训练，推理业务（sglang、vllm）、AI Infra（kvcache、triton、deepEP、算子等），推理和训练加速中间件等业务。部门业务营收翻倍，大量岗位缺人，氛围友好，欢迎各位同学了解。专业解答所有问题，不投也可以了解了解各家情况。欢迎联系

项目深挖更细，还聊了一道 CUDA 脑暴题这场蚂蚁二面的感觉和一面不太一样。一面更像是先确认你做过什么、懂到什么程度，二面则明显更深，基本是顺着项目细节一路往下追，尤其会反复确认你到底是不是亲手做过优化、怎么判断优化价值、怎么分析性能边界，以及你对更上层系统有没有兴趣。开场还是先让我用一个比较高层的方式讲实习经历、项目经历和职业规划，我这边还是重点放在了算子优化、图优化、量化推理 runtime 这些内容上。项目部分一开始还是围绕我现在做的方向展开。我先讲了三个相对核心的点：一个是单算子优化，一个是稳定性问题修复，一个是算子融合。单算子优化这块，我举的是把旧的手写实现替换成高性能库实现，再做单...

阿里云专有云iaas软硬结合AI创新team招实习啦，暑期实习可转正，简历直达leader核心方向，老板超nice，工作氛围好不卷，作息1075，base 北京/杭州/上海目前方向：1.  阿里自研ppu芯片 软硬协同优化2.  agentsandbox kata/firecracker/gvisor3. AI模型镜像链路加速，系统性能优化4. AI稳定性工程闭环对以上感兴趣的小伙伴们 直接+VVVV～X caoyifan1a2b---以下为官网 jd1.AI 训推系统级性能优化与组件化交付面向 LLM/VLM/VLA、智驾等场景，围绕训练与推理全链路开展性能分析与优化落地，产出可复用的软件组件/算子库/解决方案.典型优化方向：计算与访存瓶颈、显存/内存管理、KV Cache、长上下文、并行策略（TP/PP/DP/EP）、通信与网络（AllReduce/AllGather/AllToAll、RDMA）、数据与 I/O（DataLoader、checkpoint、存储带宽）。2.云原生 AI Runtime 与隔离（Kata / runD / Sandbox Runtime）负责 GPU 在 Kata Containers/沙箱容器中的高性能、安全隔离与可用性建设：GPU 直通/虚拟化、驱动与设备插件集成、容器镜像与运行时兼容。参与 sandbox runtime（containerd/CRI 体系）相关能力建设：资源隔离（cgroup/namespace/NUMA）、启动时延优化、稳定性与故障恢复、可观测性（metrics/tracing/logging）。与 Kubernetes 侧生态协同（Device Plugin、RuntimeClass、调度/拓扑亲和、弹性伸缩等），提升多租户环境下 GPU 利用率与 QoS。3.软硬件协同与异构算力适配深入结合硬件特性（计算单元、HBM/缓存层次、PCIe/NVLink/互联、编译器/运行时）制定协同优化方案，推进在训练/推理/云原生运行时侧的落地。构建 microbenchmark、性能模型与回归体系，快速定位瓶颈并指导组件演进。4.稳定性与工程闭环建设端到端与算子级 benchmark、自动化 profiling、CI 回归与精度/稳定性守护。定位并解决复杂问题：hang/crash、OOM、性能抖动、通信异常、GPU 设备异常、虚拟化/隔离环境下的兼容性问题。

我们是一家专注于智能体基础设施的科技公司。我们致力于解决代码型智能体规模化部署与运行过程中产生的各类技术难题，帮助其他人工智能企业降低研发成本。现诚聘研发实习生，共同攻克极具挑战性的技术课题，实现智能体安全访问并操作主流互联网 SaaS 基础设施。任职要求：在读本科生或研究生能熟练使用 Cursor 与 Claude Code 进行日常开发熟悉 TypeScript具备良好的英语沟通能力（听说读写）工作安排：每周5天，10:00–19:00我们提供：Claude Code 内无限次使用 Opus 4.6 模型免费午餐和水果每周团建