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": "大模型Infra技术研究员-(北京)or",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "CSIG",
"location": "上海",
"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": "计算机科学、计算机体系结构、软件工程、人工智能等相关专业的博士及优秀硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责大模型推理引擎架构设计、研发与迭代，深度适配主流GPU及异构AI芯片，优化推理性能与算力成本，搭建生产级PD分离推理调度系统，保障推理服务高并发、低延迟、高稳定；\r\n2.搭建并优化多模态大模型训练底层基建，解决训练端显存管理、混合并行调度、跨节点通信同步痛点，完善算力调度与数据流水线，支撑模型高效稳定训练；\r\n3.针对训练与推理场景核心技术难题，落地动态显存分配、KV Cache优化、变长序列批处理、通信优化、异构算力负载均衡等关键技术；\r\n4.基于GPU与异构芯片架构，完成训练、推理全流程性能分析、算子及调度优化，推动优化方案工程化落地；\r\n5.跟踪大模型Infra前沿技术，沉淀优化实践经验；参与vLLM、SGLang等开源项目协作，实现内部技术与开源生态双向赋能。",
"requirements_text": "1.计算机科学、计算机体系结构、软件工程、人工智能等相关专业的博士及优秀硕士；具有大规模分布式训练系统、高性能计算或 MLSys 方向研究与工程背景者优先；\r\n2.深入理解大规模分布式训练系统，熟悉 DeepSpeed、Megatron-LM、PyTorch FSDP 等主流框架原理；熟悉张量并行、流水线并行、序列并行等并行策略；精通 Python 与 C++，熟悉 CUDA 编程及高性能算子开发；在 MLSys、SC、EuroSys、OSDI、ATC 等系统顶会或 CVPR/NeurIPS/ICML 系统方向有相关成果者优先；\r\n3.对底层系统与 AI 交叉方向有浓厚兴趣，具备从系统视角分解和量化性能瓶颈的能力；工程严谨性强，能在超大规模训练环境中快速定位和解决复杂系统问题；沟通协作能力强，能与算法、硬件、平台等多方团队高效协同推进。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA"
],
"preferred_qualifications": "具有大规模分布式训练系统、高性能计算或 MLSys 方向研究与工程背景者优先；在 MLSys、SC、EuroSys、OSDI、ATC 等系统顶会或 CVPR/NeurIPS/ICML 系统方向有相关成果者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2037377991557935104"
}
]
},
"posting": {
"posting_id": "2037377991557935104",
"post_date": "2026-09-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2037377991557935104"
},
"fulltext": "大模型Infra技术研究员-(北京)or\n渴望为世界带来新意的人，早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿不断探索，积极布局，并为优秀的你提供无限广阔的舞台。我们坚信科技的不断革新，最终能带来美好的、撼动人心的改变。\n1.负责大模型推理引擎架构设计、研发与迭代，深度适配主流GPU及异构AI芯片，优化推理性能与算力成本，搭建生产级PD分离推理调度系统，保障推理服务高并发、低延迟、高稳定；\r\n2.搭建并优化多模态大模型训练底层基建，解决训练端显存管理、混合并行调度、跨节点通信同步痛点，完善算力调度与数据流水线，支撑模型高效稳定训练；\r\n3.针对训练与推理场景核心技术难题，落地动态显存分配、KV Cache优化、变长序列批处理、通信优化、异构算力负载均衡等关键技术；\r\n4.基于GPU与异构芯片架构，完成训练、推理全流程性能分析、算子及调度优化，推动优化方案工程化落地；\r\n5.跟踪大模型Infra前沿技术，沉淀优化实践经验；参与vLLM、SGLang等开源项目协作，实现内部技术与开源生态双向赋能。\n1.计算机科学、计算机体系结构、软件工程、人工智能等相关专业的博士及优秀硕士；具有大规模分布式训练系统、高性能计算或 MLSys 方向研究与工程背景者优先；\r\n2.深入理解大规模分布式训练系统，熟悉 DeepSpeed、Megatron-LM、PyTorch FSDP 等主流框架原理；熟悉张量并行、流水线并行、序列并行等并行策略；精通 Python 与 C++，熟悉 CUDA 编程及高性能算子开发；在 MLSys、SC、EuroSys、OSDI、ATC 等系统顶会或 CVPR/NeurIPS/ICML 系统方向有相关成果者优先；\r\n3.对底层系统与 AI 交叉方向有浓厚兴趣，具备从系统视角分解和量化性能瓶颈的能力；工程严谨性强，能在超大规模训练环境中快速定位和解决复杂系统问题；沟通协作能力强，能与算法、硬件、平台等多方团队高效协同推进。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}