[社招 offer 求选择] vmware 和 旷视 face++

高五六万不多 推荐 vmware

去 face

这年头 EMC，vmware 这些老派的要慎重去。外企技术还有多少高过民企的，恐怕快没了。后面你是要靠技术吃饭，还是要靠英文吃饭？

face++ +1

@litao6550652 谢谢

@bobuick 谢谢。但是现在 vmware 在云计算领域的地位还是挺高的。。。不过我的确也有一点这种技术上的担忧
@ihacku 谢谢

这就跟我实习选去微软还是滴滴一样…

要钱要命

现在主流的都是 k8s
基于 vmware 自己的虚拟机再开发一个 docker，是什么意思?
难道依旧是 exsi 然后起的都是 docker，再搞个编排的？

个人感觉 face++是强在算法那块吧，如果是 face++的虚拟化团队和 vmware 的虚拟化团队比较的话，个人还是倾向 vmware。不过外企很难说，有的做核心，技术好 也有的就是打杂，这样团队的技术就会差一些。

@laxenade 瞎说啥呢 这俩都不要命

@natsuyu 哈哈。。那你最后去了哪。。
@laxenade 这个。。各有好处吧哈哈
@artandlol k8s 跟 docker 不冲突吧，一个底层编排，一个处于上层，只要符合 k8s 的 CRI 规范，k8s 都是可以支持的吧。vmware 是开发一个自己的 runtime,只是运行在 vsphere 上，跟 vsphere 应该也会深度融合之类的。
@x86vk 这个 brain++据说也很不错

我有认识在 vm 的人(美帝)，听他说比巨婴还要咸鱼，按这个逻辑的话，国内的 vm 应该比国内的巨婴还要轻松?

@laxenade 我也有认识的在 vmware 北京的，他说虽然不要求加班，但是工作压力并没有小多少。。当然他不了解我要去的这个 BU。。

VM 送分题

@scf0920 好吧，不懂 vmware 中国怎么样。不过有学长在 face++做算法，感觉还是很爽的。

旷视

这还用选，完全不是一个级别的 offer

@laike9m 额，不光是我，现在看评论感觉也很激烈。。几乎各占一半。。。。

@scf0920 vmware 连和 face++比的资格都没有好吧

人脸识别，前景不明，准确率一直达不到实用的要求，国内的几大厂商，全靠投资烧钱的，各种低价拿 zf 订单来拉投资，员工都是每天最多休息 7 小时，每周 6 天的工作强度，对员工而言不是好的归宿

@feverzsj 那为啥火车站检票口、机场入境，均用了人脸识别。。。

vm +1

@Deville 准确率不高的，人工复查就是比不小的开销

vmware 不值得选，除非能把你搬运到美国（并且你也想要肉身出墙）

做 AI 相关的开发和游戏开发一样，路子很窄，三思

去 facepp

你要是不是非常缺钱 强烈推荐 vm

送分题,VMware

@feverzsj 你证据在哪儿。。目前很多国产人脸识别都用的旷视技术，火车站上线的人脸识别抓逃也是。。tob 做的算是风风火火。。

vm。。。

据我所知，现在 ai 大厂，基本都有一套自研的深度学习全家桶，
从多机多卡调度，ai 计算的偏底层实现，到接口的定义（比如支持 keras api ）。旷视的 brain++比较靠谱，听从旷视走的同事说，去其他直接用开源框架的厂，会怀念 brain++的易用性、可靠性。

vm 感觉中规中矩，肯定不差，但不晓得能不能赶上这波计算革命的潮流。

看你的兴趣在哪里，个人建议应该去 VMWare

VMWare 是虚拟化技术商业解决方案的老大。虚拟机上面再做一层 docker 是什么意思，当然就是云解决方案啊。AWS/GCP 的基础架构都是物理机上面茫茫多的虚拟机，虚拟机里面再跑容器（ docker/rkt/...），容器之上是容器编排系统。所以 VMWare 的组看起来是做 VMWare 的容器化解决方案的。

相比之下 Face++做的应该是应用层级的，也就是在容器编排系统再上一层的业务系统。这个层面一来是要实现很多计算的业务逻辑，二来是根据业务特点设计容器的伸缩和提高资源利用率的算法。不过总的来说还是业务和应用层的东西。

@poplar50 做过相关的招标审核，国内几家水平都差不多，识别效果都差强人意，基本做下来就是当摆设，最终就是看谁报的价低，给的回扣高

我是 Brain++ 负责人王健飞，看到讨论来做个科普。Brain++ 是旷视（ Face++）内部的深度学习云平台，目前主要服务内部的深度学习研究院，所以公开资料不多。未来我们不排除开源和商业化的可能性。

工业界的深度学习算法并不是调调 Keras，跑跑 ImageNet 就能搞定的。到 Face++ 这个级别，全公司 AI 算法生产所需要的计算规模要上万张 GPU，存储规模要几十 PB，内部算法开发人员也有大几百人，生产流程非常复杂。为了支撑这个规模的算法生产，我们自 2016 年初开始，自研了 Brain++ 云平台，调度，容器，虚拟化，云存储，数据库五脏俱全。

技术上，我们并不是基于 Kubernetes 或者 OpenStack 魔改，而是出于研究院的需要，从底层 Linux Kernel 做起，基于 cgroups/namespaces 以及 KVM 做任务隔离，自研分布式调度器，实现 HPC 和云计算各自优势的融合，既易用、高性能，也弹性、易扩容，所以技术深度是不用担心的。当然，我们自研的同时，也会充分利用社区资源，不会让同学们的技术和社区脱节。我们不鼓励螺丝钉，希望每个同学都能提出自己的想法，推动平台技术迭代。

业务上，我们和研究院紧密结合，不论是早先的多机训练优化，近来的模型搜索 AutoML，还是服务整个算法生产流程的数据处理、训练管理、模型发布，一直走在业界前沿。

产业上，当前社会对 AI 算法，尤其是 CV 算法的需求量是非从业人员难以想象的，并且可以预计未来几年会持续的爆发性增长。满足这些需求，靠的是 AI 算法生产的流程和配套系统，仅仅大量招聘“炼丹师”并不能解决问题。

篇幅有限不再详述我们的技术，正如 Hadoop 使得 BigData 成为 commodity，我们希望 Brain++ 成为深度学习时代的最佳平台。欢迎对分布式开发（包括但不限于集群管理，分布式存储，数据库，深度学习框架）感兴趣的同学加入 Brain++，以非凡技术，持续为客户和社会创造最大价值。职位列表和投递方式请参考各大招聘网站。

@thinxer 哇。。。。。竟然惊动了大佬。。。。

追求体面就去 vmware

旷视……所有在旷世呆过的朋友，哪怕是实习，都觉得环境 nice 老板 nice ……然而威睿，改名以后我怕有人会问是不是做厨房清洁剂的

楼主说是社招做容器和虚拟化方向，居然对 vmware 的不是太了解。

稍微科普一下，如有说的不对，欢迎指正：

vmware 在虚拟化方向在全球范围都是是最强的，xen kvm hyper-v 都要低头。

容器方向，vmware 在容器这一层做的适配 docker engine 的 vic，以及深度内核定制的超级轻量的容器虚拟机系统 photon，还做了商业级的容器仓库 harbor。看代码 https://github.com/vmware

K8S 方向，有 pivotal 和 vmware 联手推出了 Pivotal Container Service 企业级的 k8s 可以对接 vmware 的容器。

另外，pivotal 是 vmware 投资的公司，打开 spring.io 看最下面一行。

所以，按照你的描述，vmware 容器应该是做和这些相关的事情，

@shalk 嗯，我要做的就是 vic，可能我对 vic 的理解有些偏差，我之前的理解就是自己写了个 docker engine，你说的其他的我也都知道。但是 vmware 中国这边我就得考虑一下了。。不知道会不会接触到核心的东西。。

VMware 有生活； F++先不去，VM 那边做一段，不想做，那就去 F++, 2 个月足够你了

face++

去 VMware

曾经在 VM 实习过，相对来说确实是一个比较悠闲的地方，不过成长性要差一些了，说白了，适合养老，如果你家境较好可以选择。

就是明星创业公司和大公司的区别，VMware+1