当你走进 Mountain View 那栋被加州阳光笼罩的 Google 大楼，拿到印着 Google DeepMind（GDM）新 Logo 的工牌时，心情往往很复杂。这里是 Gemini、Alpha 系列模型的诞生地，也是 Google 在生成式 AI 领域的重要布局点。入职第一天，看着周围既有原 Google Brain 的资深工程师，也有从伦敦 DeepMind 过来的研究人员，大家在一块白板前激烈讨论如何更好地利用大规模算力，你很容易产生一种站在前沿的感觉。

但作为一个在 GDM 经历过合并调整、也踩过不少坑的“过来人”，我想提醒你：GDM 的 Machine Learning Engineer（机器学习工程师）岗位，并不只是“离大模型很近”这么简单。这里的核心挑战，在于如何在这家强调研究探索与工程落地的公司里，找到自己的节奏。如果你不能很快适应“学术探索”与“工程交付”并行的文化，很容易陷入“天天跑实验，却看不到明确产出”的困境。下面我就从一个过来人的角度，聊聊在 GDM 做 MLE，新人可以从哪些方面着手准备。

在 GDM 做 MLE，最磨人的往往不是模型结构有多复杂，而是在两种工作模式之间频繁切换带来的撕裂感。

1. “服务者”与“合作者”的身份平衡

在 GDM，Research Scientist（研究科学家）通常负责提出新想法，而 MLE 更多负责实现、扩展和落地。如果定位不清，很容易产生“我只是个高级外包”的感觉。比如，科学家给你一份结构比较随意的 Python 脚本，让你在大规模集群上跑通，你可能要花大量时间处理各种细节问题，而最终论文发表时，自己只是挂名作者之一。这种“学术贡献与工程付出不完全匹配”的落差，是很多人需要迈过的心理关。

2. JAX 与 TPU 的学习曲线

在 GDM，JAX 和 TPU 是主力技术栈，指望像在其他公司一样舒舒服服用 PyTorch 是不现实的。JAX 的函数式编程思路，对于习惯了面向对象写法的人来说，一开始确实很有挑战。尤其是遇到一些比较奇怪的编译报错，而网上公开资料又不多时，很容易产生“被封闭生态困住”的无力感。

3. 合并后的组织与文化差异

GDM 由 Google Brain 和 DeepMind 合并而来，不同团队在做事风格上会有些差异：有的更偏向工程化和产品化，有的更强调通用智能和学术严谨。当你需要同时对齐两边的方法论和指标时，常常要在不同思路之间做权衡，这种“组织迷宫”带来的疲惫感，也是新人需要提前有心理准备的。

在 GDM 这样技术密度高、节奏快的环境里，想要站稳脚跟，需要在技术和软技能上都建立自己的优势。

第一步：夯实以 JAX 为核心的技术能力

与其抱怨工具难用，不如尽早让自己成为组里比较懂 JAX/Flax 的人。

思维转变：在写代码前，先尽量用“纯函数”的思路去组织逻辑，想清楚输入、输出以及副作用如何处理。

调试能力：学会从“编译器视角”去理解问题，不只是看 Python 报错，也要学会阅读 XLA 相关信息、使用性能分析工具。在大规模训练场景下，能看懂 Profiler 的人，往往能更快定位瓶颈。

第二步：提升从实验原型到工程系统的转化能力

在人才济济的地方，把“玩具代码”打磨成“工业级系统”的能力非常稀缺。

代码重构：当拿到一个研究 Notebook 时，不要直接大规模运行，可以先从工程化角度做一些重构，比如把数据处理、模型保存、评估流程拆分成清晰的模块。

规模意识：建立对大规模分布式训练的直觉，比如模型参数从几亿扩展到几十亿时，通信和内存开销会如何变化，哪些环节容易成为瓶颈。这些经验，很多时候比多看几篇论文更实用。

第三步：在团队中建立有效的协作关系

在 GDM 这种学术氛围浓厚的地方，良好的协作关系会让你事半功倍。

主动贡献：除了完成自己的任务，也可以适度参与一些组内或跨组的基础设施改进，比如给常用的内部库提一些优化建议或补丁。这类贡献在绩效评估中通常会被看到。

有效沟通：利用好团队内部的学术氛围，多和科学家交流他们接下来的研究方向，提前了解需求，这样在做工程实现时会更有针对性。

总而言之，在 Google DeepMind 做 MLE，既要对技术和产品有足够的敬畏心，也要学会在复杂的组织环境中找到自己的定位。如果你能在这几个方面持续投入，就有机会真正把“离大模型很近”的优势，转化为自己长期的技术竞争力。

蒸汽教育 2018 美国特拉华州 2021 100%实缴资本 人社部《人力资源服务许可证》 全球留学生求职标杆企业 南京理工大学科技创新园区 中山陵风景区对面 原宋庆龄创办的“国民革命军遗族学校”旧址 福布斯创业精英榜 胡润创业精英榜 央广网年度职业教育影响力品牌 央广网年度行业标杆教育集团 北美留学生日报最佳留学生就业指导机构 中关村人才协会一百大新质生产力优秀案例 Business Analyst Data Analyst Data Scientist Data Engineer Machine Learning Engineer Software Engineer Risk Analyst IT Support Investment Banking Consulting Hedge Fund / Prop Trading Financial Analyst Accountant Marketing 加拿大 英国 美国 中国大陆 中国香港 澳大利亚