职位详情

职位列表 链接有效 不适用(官网全量采集) official:tencent:2034117544100655104

AI infra异构计算研发工程师

未披露 · 深圳 · 腾讯

主分类:AI训练推理与计算优化
软件开发与 IT
辅助:云基础设施与系统软件研发(仅展示)
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": "AI infra异构计算研发工程师",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "CSIG",
        "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": 3,
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.负责高性能计算集群的平台开发和建设工作,构建业界领先的集群算力调度能力、集群网络管理监控能力、集群故障发现和迁移自愈等能力;\n2.负责主流 AI 框架的云平台适配和性能调优工作,针对业界大模型训练,将主流加速框架(如DeepSpeed、Megatron-LM)结合云平台底层技术特点和优势,打造具备差异化竞争力的 AI 加速平台产品能力;\n3.负责主流 AI 模型训练和推理性能优化调优工作,提升 AI 推理业务快速部署能力,提供平台算法优化加速能力,能够灵活使用 Triton,TensorRT 等业界主流推理服务和组件,深度结合云原生产品技术架构优势,输出面向不同场景的性能加速最佳实践解决方案;\n4.负责跟踪 AI行业技术发展趋势,并进行深度探索分析,协同产品制订 AI 技术发展路线和产品规划;\n5.探索自研AI芯片分布式训练与推理云化能力,打造自研 AI 芯片一体化解决方案能力。",
        "requirements_text": "1.人工智能、计算机、数学等相关专业;\r\n2.5年以上 AI 研发或项目经验,有云计算领域相关经验优先;\r\n3.具备TensorRT,Triton等推理框架和服务部署软件的优化和实践能力;\r\n4.熟悉深度学习框架(Pytorch, Tensorflow,等),熟悉各组件和类库,常见AI模型;\r\n5.熟悉行业内人工智能平台、机器学习实现方案,熟悉主流云计算厂商 AI 产品特点,有 AI 研发经验者优先;\r\n6.熟悉业界流行的显卡虚拟化技术,对Nvidia/AMD/Intel等GPU技术有较深理解的优先;\r\n7.对GPU,分布式计算,RDMA,MPI,GPU Direct 等技术有了解和使用经验优先;\r\n8.精通C++、Python等开发语言,熟练掌握Linux软件开发技术;\r\n9.有一定的管理能力,具备丰富的产品规划和设计经验,对人工智能技术及行业有前瞻性战略思考;\r\n10.清晰的逻辑分析和表达能力,乐观积极,具有较强的责任心和执行力。",
        "skills": [AI生成
            "Python",
            "C++",
            "Linux",
            "PyTorch",
            "TensorFlow",
            "机器学习",
            "深度学习",
            "产品规划"
        ],
        "preferred_qualifications": "2.5年以上 AI 研发或项目经验,有云计算领域相关经验优先;5.熟悉行业内人工智能平台、机器学习实现方案,熟悉主流云计算厂商 AI 产品特点,有 AI 研发经验者优先;6.熟悉业界流行的显卡虚拟化技术,对Nvidia/AMD/Intel等GPU技术有较深理解的优先;7.对GPU,分布式计算,RDMA,MPI,GPU Direct 等技术有了解和使用经验优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.tencent.com/jobdesc.html?postId=2034117544100655104"
            }
        ]
    },
    "posting": {
        "posting_id": "2034117544100655104",
        "post_date": "2026-09-14",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.tencent.com/jobdesc.html?postId=2034117544100655104"
    },
    "fulltext": "AI infra异构计算研发工程师\n在腾讯,后台开发工程师不仅是“又快又稳”的问题解决专家,更是生态共创者。你将与技术团队一同沉淀优质代码,让它成为我们共有的宝贵资产。在不同的业务场景和技术发展阶段,你的架构思维也将帮助更多协作团队拓展新的思考。我们也珍视你的挑战精神,同时欢迎你一起参与团队愿景、文化和产品方向的探讨。\n1.负责高性能计算集群的平台开发和建设工作,构建业界领先的集群算力调度能力、集群网络管理监控能力、集群故障发现和迁移自愈等能力;\n2.负责主流 AI 框架的云平台适配和性能调优工作,针对业界大模型训练,将主流加速框架(如DeepSpeed、Megatron-LM)结合云平台底层技术特点和优势,打造具备差异化竞争力的 AI 加速平台产品能力;\n3.负责主流 AI 模型训练和推理性能优化调优工作,提升 AI 推理业务快速部署能力,提供平台算法优化加速能力,能够灵活使用 Triton,TensorRT 等业界主流推理服务和组件,深度结合云原生产品技术架构优势,输出面向不同场景的性能加速最佳实践解决方案;\n4.负责跟踪 AI行业技术发展趋势,并进行深度探索分析,协同产品制订 AI 技术发展路线和产品规划;\n5.探索自研AI芯片分布式训练与推理云化能力,打造自研 AI 芯片一体化解决方案能力。\n1.人工智能、计算机、数学等相关专业;\r\n2.5年以上 AI 研发或项目经验,有云计算领域相关经验优先;\r\n3.具备TensorRT,Triton等推理框架和服务部署软件的优化和实践能力;\r\n4.熟悉深度学习框架(Pytorch, Tensorflow,等),熟悉各组件和类库,常见AI模型;\r\n5.熟悉行业内人工智能平台、机器学习实现方案,熟悉主流云计算厂商 AI 产品特点,有 AI 研发经验者优先;\r\n6.熟悉业界流行的显卡虚拟化技术,对Nvidia/AMD/Intel等GPU技术有较深理解的优先;\r\n7.对GPU,分布式计算,RDMA,MPI,GPU Direct 等技术有了解和使用经验优先;\r\n8.精通C++、Python等开发语言,熟练掌握Linux软件开发技术;\r\n9.有一定的管理能力,具备丰富的产品规划和设计经验,对人工智能技术及行业有前瞻性战略思考;\r\n10.清晰的逻辑分析和表达能力,乐观积极,具有较强的责任心和执行力。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [
            "T018"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}