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": "异构加速框架工程师（深圳/北京/上海）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "TEG",
"location": "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 / 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": 2,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.协同算法团队co-desgin，针对AI推理构建GPU/AI芯片底层性能优化与调优；\r\n2.机器学习框架层架构创新，核心模块优化和扩展，提升计算效率与资源利用率；\r\n3.深入分析GPU/AI芯片的硬件架构特性，设计并实现高性能算子、算法和特性使能组件；\r\n4.探索前沿技术方向(如混合专家模型MOE、动态计算图编译优化等)。",
"requirements_text": "1.熟练掌握C/C++、Python编程语言，具备良好的coding和调试能力；\r\n2.熟悉GPU/AI芯片编程，如CUDA，Triton，Ascend C等；\r\n3.熟悉Cublas，Cutlass，CK等高性能算子开发工具；\r\n4.熟悉Torch-Compile等AI编译模块者优先；\r\n5.熟悉主流开源模型或推荐模型，有实际性能调优经验(如KV Cache优化、动态批处理、Attention算子定制等)；\r\n6.扎实的高性能计算基础，熟悉并行计算、内存优化、通信优化等技术；\r\n7.加分项：；\r\n8.AI数据、搜广推等场景架构和加速经验；\r\n9.相关领域开源项目贡献、顶会论文等。",
"skills": [AI生成
"Python",
"C++",
"CUDA",
"性能调优"
],
"preferred_qualifications": "1.AI数据、搜广推等场景架构和加速经验；\r\n2.相关领域开源项目贡献、顶会论文等。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2036976620622999552"
}
]
},
"posting": {
"posting_id": "2036976620622999552",
"post_date": "2026-08-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2036976620622999552"
},
"fulltext": "异构加速框架工程师（深圳/北京/上海）\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.协同算法团队co-desgin，针对AI推理构建GPU/AI芯片底层性能优化与调优；\r\n2.机器学习框架层架构创新，核心模块优化和扩展，提升计算效率与资源利用率；\r\n3.深入分析GPU/AI芯片的硬件架构特性，设计并实现高性能算子、算法和特性使能组件；\r\n4.探索前沿技术方向(如混合专家模型MOE、动态计算图编译优化等)。\n1.熟练掌握C/C++、Python编程语言，具备良好的coding和调试能力；\r\n2.熟悉GPU/AI芯片编程，如CUDA，Triton，Ascend C等；\r\n3.熟悉Cublas，Cutlass，CK等高性能算子开发工具；\r\n4.熟悉Torch-Compile等AI编译模块者优先；\r\n5.熟悉主流开源模型或推荐模型，有实际性能调优经验(如KV Cache优化、动态批处理、Attention算子定制等)；\r\n6.扎实的高性能计算基础，熟悉并行计算、内存优化、通信优化等技术；\r\n7.加分项：；\r\n8.AI数据、搜广推等场景架构和加速经验；\r\n9.相关领域开源项目贡献、顶会论文等。\n1.AI数据、搜广推等场景架构和加速经验；\r\n2.相关领域开源项目贡献、顶会论文等。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}