← 返回课程目录 · 面试准备 · 路线总图 · 承接 JD 对照表

岗位全覆盖学习路线:14 岗 × 5 条线

把调查到的全部在招岗位归成五条能力线。每条线给出:对应岗位 → 本站课程弹药 → 线外还需补什么(诚实标注,含外部资源)。你不需要五条全修——选一条主线 + 相邻线做备胎。

🧱 五条线共同的地基(先修,本站全覆盖):第 1-6 课 + 延迟金字塔 + KV 计算器 + 排障模拟器 + 术语图鉴——任何一条线的面试前 30 分钟都会考这些。

线 1 · AI SRE / 运维线⭐ 你的主线:SRE 平移最顺

岗位:腾讯 AI Infra SRE(大模型推理)· GPU 集群运维(Slurm/监控)· 阿里云容器方向(部分)
本站弹药(全覆盖,直接应试): 线外补充:无硬缺口——你现有的 K8s/Linux 生产经验就是这条线的敲门砖;面试前把题库过两遍即可投递。

线 2 · 推理服务/优化线🔶 可作第二落点(需补动手)

岗位:B 站推理优化 · 字节推理框架资深 · 滴滴模型服务化 · 腾讯推理优化(硕士+二开)
本站弹药(原理全覆盖): 线外补充(真实门槛):①"二开"要求读引擎源码——从 上游 vLLM 系列深读 开始,再给 vLLM 提 PR;②部署动手:self-llm 跟做一次 vLLM 部署+压测(99 章任务卡升级版);③部分岗卡硕士学历——用线 1/3 绕行。

线 3 · 训练框架线🔶 平台向延伸

岗位:阿里训练基础架构(NCCL 深挖)· 阿里 AI Infra 计算(校招)· 字节 AI Infra(校招)· 百度 AI Infra
本站弹药: 线外补充:① PyTorch 熟练度(校招硬门槛)——happy-llm 第 5-6 章手写训练循环是最低标准;②算法题(字节/百度必考)——LeetCode 按传统路径刷,非本站职责;③通信深水区(阿里岗):上游 NCCL 理论 全文精读。

线 4 · 存储 IO 线🔶 细分蓝海

岗位:滴滴训练存储工程师(GPU 集群 IO 性能 / 训练推理优化)
本站弹药: 线外补充:存储岗招聘少但竞争也少——你若有分布式存储/文件系统运维经验(SRE 常见),加本站 AI 负载视角即可构成差异化;深入读上游 3FS 设计笔记 + 实际部署一次 JuiceFS(有单机模式,Mac 可跑)。

线 5 · 算子内核线🔴 门槛最高(转型成本大,谨慎选择)

岗位:算能(自定义算子/Torch 插件)· NVIDIA TRT-LLM 研发 · 港中大 SRIBD 算子研发(昇腾)
本站弹药(入口已建): 线外补充(真实门槛,不粉饰):① C++ 与 CUDA C 熟练——CUDA-Learn-Notes 200+ 内核是事实上的题库;② 数月级投入,SRE 转型性价比通常低于线 1-2——除非你对写 Kernel 有真实热情。

额外雇主池 · 量化机构(薪资天花板赛道)⭐ 与线 1/3/5 高度重合

机构:XTX Markets(25,000+ GPU)· Jane Street(数万卡 + CoreWeave/Crusoe 云合作,媒体报道口径)· HRT · Jump Trading · Citadel Securities(TPU 路线)——GPU 规模超过许多国家级实验室,算力投入与大模型公司同级
行业分析(量化猎头视角)把 AI 算力岗归为四类,与我们五线的映射: 值得吸收的两个透镜:① 项目证明要可量化——"训练耗时缩短 X%/GPU 利用率提高/显存下降/复现能力改善",比罗列工具有说服力(简历与面试通用);② 迁移判断——"金融知识可以补,系统判断力更难速成":SRE 的分布式/性能/数据流水线经验正是硬通货。另外量化平台岗常要求 Ray(我们未覆盖:一句话定位——分布式 Python 计算框架,地位可类比"Slurm 管批作业、K8s 管容器、Ray 管 Python 分布式应用",用到再学)。实证 JD(2026-10 猎头帖,港/悉尼):外资 HFT 自营 MLE · 训练系统向——原文"工程导向、做分布式训练系统本身,不做建模",栈=DDP/FSDP/DeepSpeed/Megatron+NCCL;加分项=CUDA/Triton Kernel、几十到上百卡实战、能讲清收敛/拖尾/OOM 的排查过程(→ 新页:训练作业排障);面试流程含两轮 Coding。同帖在招列表明确含"Infra、SRE、DevOps(互联网大厂、量化同业经验)"——线 1 直接对口。

二、能力线 × 岗位矩阵(速查)

岗位(2026-10 在招)主线本站就绪度
腾讯 AI Infra SRE(大模型推理)线 1🟢 可直接投递
GPU 集群运维(Slurm/DCGM)线 1🟢 可直接投递
阿里云 AI Infra 容器方向线 1🟢 可直接投递
滴滴 模型服务化部署线 2🟡 补一次 vLLM 实操后投
B 站 推理优化线 2🟡 原理就绪,补引擎实操
字节 推理框架资深线 2🟡 需 5 年经验+框架源码级
腾讯 推理优化(硕士+二开)线 2/5🔴 需算子开发投入
阿里 训练基础架构线 3🟡 NCCL 精读+分布式经验
阿里 AI Infra 计算(校招)线 3🟡 需 PyTorch+算法题
字节 AI Infra(校招)线 3🟡 C++/算法题是硬门槛
百度 AI Infra线 3🟡 同上
滴滴 训练存储线 4🟢 有存储经验即差异化
算能 算子研发线 5🔴 需 CUDA 投入
NVIDIA TRT-LLM线 5🔴 硕士+CUDA 算子
港中大 SRIBD 算子(昇腾)线 5🔴 Ascend C 投入
量化机构(XTX/JS/HRT/Citadel)平台与性能岗线 1/4(+3/5)🟢 SRE 经验直接迁移,金融知识可后补

给你的最终建议:主线 = 线 1(SRE)直接投,同时按线 2 补一次 vLLM 实操(self-llm 跟做,约一周)作为第二落点——这两条线覆盖了 14 岗中的 6 个且都无硬学历/编程门槛。矩阵每季度随 JD 复查一次(方法:JD 对照表的检索流程)。量化机构板块来源:《Jane Street、XTX Markets 算力布局曝光:四类量化技术岗》(Finelite 金融阶,2026-10,猎头视角行业分析;算力数字为媒体报道口径)。