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": "技术研究-高性能计算方向",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "腾讯混元基础模型部 / 腾讯混元AI Infra部 / 腾讯AI平台部",
"location": "深圳总部 / 北京",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "腾讯",
"company_industry": "互联网 / 云计算 / 数字内容 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网科技公司，业务覆盖社交、内容、游戏、云计算、金融科技和人工智能等领域。"
},
"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": "技术研究-高性能计算方向\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元基础模型部 / 腾讯混元AI Infra部 / 腾讯AI平台部\n\n岗位职责\n包含GPU、网络、大模型框架等细分方向。\n1、针对业务需求，解决算力瓶颈、通信延迟、分布式系统扩展性等问题；\n2、协同算法、硬件及运维团队，构建高效、稳定的计算基础设施。\n1）GPU方向：研究GPU集群的调度策略，优化资源利用率。探索混合精度计算、模型量化等GPU加速技术；\n2）网络方向：设计低延迟、高吞吐的分布式网络架构（如InfiniBand/RoCE/DPU）。优化MPI、NCCL等通信库性能，解决大规模集群中的网络拥塞问题；\n3）大模型工程框架方向：开发或优化大模型训练框架（如PyTorch/TensorFlow/DeepSpeed/Megatron-LM），设计分布式训练策略（模型并行、流水线并行、混合并行），提升千亿级参数模型的训练效率。研究训练加速技术（梯度压缩、显存优化、动态计算图调度）。\n\n任职要求\n1、扎实的计算机体系结构基础，熟悉并行计算、数据密集型系统设计；\n2、良好的数学基础（线性代数、数值分析、算法复杂度优化）。",
"requirements_text": "技术研究-高性能计算方向\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元基础模型部 / 腾讯混元AI Infra部 / 腾讯AI平台部\n\n岗位职责\n包含GPU、网络、大模型框架等细分方向。\n1、针对业务需求，解决算力瓶颈、通信延迟、分布式系统扩展性等问题；\n2、协同算法、硬件及运维团队，构建高效、稳定的计算基础设施。\n1）GPU方向：研究GPU集群的调度策略，优化资源利用率。探索混合精度计算、模型量化等GPU加速技术；\n2）网络方向：设计低延迟、高吞吐的分布式网络架构（如InfiniBand/RoCE/DPU）。优化MPI、NCCL等通信库性能，解决大规模集群中的网络拥塞问题；\n3）大模型工程框架方向：开发或优化大模型训练框架（如PyTorch/TensorFlow/DeepSpeed/Megatron-LM），设计分布式训练策略（模型并行、流水线并行、混合并行），提升千亿级参数模型的训练效率。研究训练加速技术（梯度压缩、显存优化、动态计算图调度）。\n\n任职要求\n1、扎实的计算机体系结构基础，熟悉并行计算、数据密集型系统设计；\n2、良好的数学基础（线性代数、数值分析、算法复杂度优化）。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"分布式系统",
"模型训练",
"招聘",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://join.qq.com/post_detail.html?postid=1210646470286783494"
}
]
},
"posting": {
"posting_id": "1210646470286783494",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://join.qq.com/post_detail.html?postid=1210646470286783494"
},
"fulltext": "技术研究-高性能计算方向\n技术研究-高性能计算方向\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元基础模型部 / 腾讯混元AI Infra部 / 腾讯AI平台部\n\n岗位职责\n包含GPU、网络、大模型框架等细分方向。\n1、针对业务需求，解决算力瓶颈、通信延迟、分布式系统扩展性等问题；\n2、协同算法、硬件及运维团队，构建高效、稳定的计算基础设施。\n1）GPU方向：研究GPU集群的调度策略，优化资源利用率。探索混合精度计算、模型量化等GPU加速技术；\n2）网络方向：设计低延迟、高吞吐的分布式网络架构（如InfiniBand/RoCE/DPU）。优化MPI、NCCL等通信库性能，解决大规模集群中的网络拥塞问题；\n3）大模型工程框架方向：开发或优化大模型训练框架（如PyTorch/TensorFlow/DeepSpeed/Megatron-LM），设计分布式训练策略（模型并行、流水线并行、混合并行），提升千亿级参数模型的训练效率。研究训练加速技术（梯度压缩、显存优化、动态计算图调度）。\n\n任职要求\n1、扎实的计算机体系结构基础，熟悉并行计算、数据密集型系统设计；\n2、良好的数学基础（线性代数、数值分析、算法复杂度优化）。\n技术研究-高性能计算方向\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元基础模型部 / 腾讯混元AI Infra部 / 腾讯AI平台部\n\n岗位职责\n包含GPU、网络、大模型框架等细分方向。\n1、针对业务需求，解决算力瓶颈、通信延迟、分布式系统扩展性等问题；\n2、协同算法、硬件及运维团队，构建高效、稳定的计算基础设施。\n1）GPU方向：研究GPU集群的调度策略，优化资源利用率。探索混合精度计算、模型量化等GPU加速技术；\n2）网络方向：设计低延迟、高吞吐的分布式网络架构（如InfiniBand/RoCE/DPU）。优化MPI、NCCL等通信库性能，解决大规模集群中的网络拥塞问题；\n3）大模型工程框架方向：开发或优化大模型训练框架（如PyTorch/TensorFlow/DeepSpeed/Megatron-LM），设计分布式训练策略（模型并行、流水线并行、混合并行），提升千亿级参数模型的训练效率。研究训练加速技术（梯度压缩、显存优化、动态计算图调度）。\n\n任职要求\n1、扎实的计算机体系结构基础，熟悉并行计算、数据密集型系统设计；\n2、良好的数学基础（线性代数、数值分析、算法复杂度优化）。\n技术研究-高性能计算方向\n\n基础信息\n招聘项目：日常实习\n职位类别：技术\n工作地点：深圳总部 / 北京\n面试城市：远程面试\n事业群：TEG\n部门：腾讯混元基础模型部 / 腾讯混元AI Infra部 / 腾讯AI平台部\n\n岗位职责\n包含GPU、网络、大模型框架等细分方向。\n1、针对业务需求，解决算力瓶颈、通信延迟、分布式系统扩展性等问题；\n2、协同算法、硬件及运维团队，构建高效、稳定的计算基础设施。\n1）GPU方向：研究GPU集群的调度策略，优化资源利用率。探索混合精度计算、模型量化等GPU加速技术；\n2）网络方向：设计低延迟、高吞吐的分布式网络架构（如InfiniBand/RoCE/DPU）。优化MPI、NCCL等通信库性能，解决大规模集群中的网络拥塞问题；\n3）大模型工程框架方向：开发或优化大模型训练框架（如PyTorch/TensorFlow/DeepSpeed/Megatron-LM），设计分布式训练策略（模型并行、流水线并行、混合并行），提升千亿级参数模型的训练效率。研究训练加速技术（梯度压缩、显存优化、动态计算图调度）。\n\n任职要求\n1、扎实的计算机体系结构基础，熟悉并行计算、数据密集型系统设计；\n2、良好的数学基础（线性代数、数值分析、算法复杂度优化）。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}