主分类：AI训练推理与计算优化
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "硬件加速模型编译优化工程师-Data",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "研发"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责大模型等业务模型在自研芯片进行适配性和性能评估、软硬件协同优化工作；\n2、负责AI模型整图或者算子编译框架优化，实现较高硬件利用率和整体性能，提升编译框架的通用性与优化能力；\n3、构建分布式推理系统，推理框架极致调优，实现较优的在线部署吞吐和高性价比；\n4、模型量化、稀疏、蒸馏等推理部署的探索和落地方案。",
"requirements_text": "1、深入理解AI加速硬件的体系结构和并行计算；\n2、熟悉深度学习框架和软件栈，熟练使用C/C++、Python等编程语言；\n3、熟悉ONNX/TensorFlow/PyTorch等主流深度学习框架；\n4、有主动学习、问题分析与解决能力和较强自驱力；具备良好的跨团队协作能力。\n\n以下为加分项：\n1、熟悉编译器和代码优化技术，有MLIR、TVM等相关开发经验；\n2、熟悉GPU或者主流AI芯片架构，有相关算子优化、图编译优化经验、硬件评测经验；\n3、对LLM或多模态领域模型有深刻理解，例如Qwen、Deepseek等；\n4、有AI加速硬件的量化工具开发经验；\n5、熟悉AI服务器和集群架构，熟悉芯片和集群互联相关技术，有实践开发经验；\n6、有vLLM、SGLang等推理框架开发和调优经验，有部署实践相关经验。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"深度学习",
"团队协作"
],
"preferred_qualifications": "以下为加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7610388189981460741/detail"
}
]
},
"posting": {
"posting_id": "7610388189981460741",
"post_date": "2026-02-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7610388189981460741/detail"
},
"fulltext": "硬件加速模型编译优化工程师-Data\n职位描述\n1、负责大模型等业务模型在自研芯片进行适配性和性能评估、软硬件协同优化工作；\n2、负责AI模型整图或者算子编译框架优化，实现较高硬件利用率和整体性能，提升编译框架的通用性与优化能力；\n3、构建分布式推理系统，推理框架极致调优，实现较优的在线部署吞吐和高性价比；\n4、模型量化、稀疏、蒸馏等推理部署的探索和落地方案。\n\n职位要求\n1、深入理解AI加速硬件的体系结构和并行计算；\n2、熟悉深度学习框架和软件栈，熟练使用C/C++、Python等编程语言；\n3、熟悉ONNX/TensorFlow/PyTorch等主流深度学习框架；\n4、有主动学习、问题分析与解决能力和较强自驱力；具备良好的跨团队协作能力。\n\n以下为加分项：\n1、熟悉编译器和代码优化技术，有MLIR、TVM等相关开发经验；\n2、熟悉GPU或者主流AI芯片架构，有相关算子优化、图编译优化经验、硬件评测经验；\n3、对LLM或多模态领域模型有深刻理解，例如Qwen、Deepseek等；\n4、有AI加速硬件的量化工具开发经验；\n5、熟悉AI服务器和集群架构，熟悉芯片和集群互联相关技术，有实践开发经验；\n6、有vLLM、SGLang等推理框架开发和调优经验，有部署实践相关经验。\n1、负责大模型等业务模型在自研芯片进行适配性和性能评估、软硬件协同优化工作；\n2、负责AI模型整图或者算子编译框架优化，实现较高硬件利用率和整体性能，提升编译框架的通用性与优化能力；\n3、构建分布式推理系统，推理框架极致调优，实现较优的在线部署吞吐和高性价比；\n4、模型量化、稀疏、蒸馏等推理部署的探索和落地方案。\n1、深入理解AI加速硬件的体系结构和并行计算；\n2、熟悉深度学习框架和软件栈，熟练使用C/C++、Python等编程语言；\n3、熟悉ONNX/TensorFlow/PyTorch等主流深度学习框架；\n4、有主动学习、问题分析与解决能力和较强自驱力；具备良好的跨团队协作能力。\n\n以下为加分项：\n1、熟悉编译器和代码优化技术，有MLIR、TVM等相关开发经验；\n2、熟悉GPU或者主流AI芯片架构，有相关算子优化、图编译优化经验、硬件评测经验；\n3、对LLM或多模态领域模型有深刻理解，例如Qwen、Deepseek等；\n4、有AI加速硬件的量化工具开发经验；\n5、熟悉AI服务器和集群架构，熟悉芯片和集群互联相关技术，有实践开发经验；\n6、有vLLM、SGLang等推理框架开发和调优经验，有部署实践相关经验。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}