主分类：数据库与存储系统研发
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": "大模型存储研发工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "TEG",
"location": "深圳",
"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 / 科技 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 1,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责大模型专用存储系统的设计研发，围绕大模型训练/推理场景构建一体化分层存储架构，无缝对接大模型训推框架：；\r\n2.架构设计与场景适配：通过系统性逻辑分析拆解大模型存储瓶颈，结合训推场景的数据流特征，设计分层存储架构，解决数据流转效率与一致性问题；\r\n3.推理性能极致优化：面向推理场景，通过全链路IO瓶颈的逻辑分析，结合CXL、RDMA、GPU Direct等高速互联技术，设计极致IO路径，实现数据高效传输，持续优化TTFT、TBT、并行吞吐等核心性能指标，解决推理延迟与并发瓶颈；\r\n4.训练场景稳定性保障：面向训练场景，通过对万卡接入、爆发式流量的模式分析与逻辑建模，设计高可靠、高吞吐的存储服务方案，解决长周期训练中的数据稳定性与性能波动问题。",
"requirements_text": "1.具备扎实的计算机技术基础，精通数据结构和算法，熟练掌握Linux环境下的C/C++/Go/Python等至少一门编程语言；\r\n2.掌握分布式系统原理（一致性、可靠性、扩展性等），主导或深度参与过至少一款大型分布式系统研发；\r\n3.富有创造力、学习能力和自驱力，具备极强的逻辑分析与问题拆解能力，能对业务场景进行深度分析和抽象，创造性解决存储性能、可靠性等关键问题；\r\n4.具备良好的沟通能力、协调能力，能闭环解决问题，与合作方共赢。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"数据结构",
"分布式系统",
"可靠性",
"沟通能力",
"解决问题",
"学习能力",
"Go"
],
"preferred_qualifications": "1.熟悉主流机器学习框架/推理引擎（例如vLLM/SGLang/PyTorch）；\r\n2.有大模型训练推理性能优化经验，比如：KVCache优化；\r\n3.熟悉CXL、GPU Direct、RDMA等高性能数据传输技术；\r\n4.有高性能计算/网络/数据库/云原生背景。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2027658886831570944"
}
]
},
"posting": {
"posting_id": "2027658886831570944",
"post_date": "2026-09-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2027658886831570944"
},
"fulltext": "大模型存储研发工程师\n1.负责大模型专用存储系统的设计研发，围绕大模型训练/推理场景构建一体化分层存储架构，无缝对接大模型训推框架：；\r\n2.架构设计与场景适配：通过系统性逻辑分析拆解大模型存储瓶颈，结合训推场景的数据流特征，设计分层存储架构，解决数据流转效率与一致性问题；\r\n3.推理性能极致优化：面向推理场景，通过全链路IO瓶颈的逻辑分析，结合CXL、RDMA、GPU Direct等高速互联技术，设计极致IO路径，实现数据高效传输，持续优化TTFT、TBT、并行吞吐等核心性能指标，解决推理延迟与并发瓶颈；\r\n4.训练场景稳定性保障：面向训练场景，通过对万卡接入、爆发式流量的模式分析与逻辑建模，设计高可靠、高吞吐的存储服务方案，解决长周期训练中的数据稳定性与性能波动问题。\n1.具备扎实的计算机技术基础，精通数据结构和算法，熟练掌握Linux环境下的C/C++/Go/Python等至少一门编程语言；\r\n2.掌握分布式系统原理（一致性、可靠性、扩展性等），主导或深度参与过至少一款大型分布式系统研发；\r\n3.富有创造力、学习能力和自驱力，具备极强的逻辑分析与问题拆解能力，能对业务场景进行深度分析和抽象，创造性解决存储性能、可靠性等关键问题；\r\n4.具备良好的沟通能力、协调能力，能闭环解决问题，与合作方共赢。\n1.熟悉主流机器学习框架/推理引擎（例如vLLM/SGLang/PyTorch）；\r\n2.有大模型训练推理性能优化经验，比如：KVCache优化；\r\n3.熟悉CXL、GPU Direct、RDMA等高性能数据传输技术；\r\n4.有高性能计算/网络/数据库/云原生背景。",
"standard_classification": {
"std_category_code": "T019",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}