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": "微信-AI Infra工程师-大模型推理方向",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "WXG",
"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": 0,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.配合算法工程师，推动深度学习相关算法的落地，打造高吞吐、低延时的推理系统；\n2.优化大模型推理性能，提升吞吐并控制成本；\n3.优化大模型推理框架，提升框架易用性和可调试性。",
"requirements_text": "1.熟练掌握 C/C++、Python语言，有计算机体系结构背景或软件开发背景，熟悉系统性能调优的方式；\r\n2.具备基础的GPU编程能力，包括但不限于Cuda、OpenCL；熟悉至少一种GPU加速库，如cublas、cudnn、cutlass等；\r\n3.有Tensorrt/FasterTransformer/Tensorrt-llm/vllm/sglang等深度学习推理框架的实际使用经验；\r\n4.熟悉各类深度学习网络和算子底层实现细节，训练和推理模型调试、调优有实操经验优先；\r\n5.熟悉CPU/GPU异构加速瓶颈分析方法，有服务器端 AI 芯片、GPU加速经验优先；\r\n6.熟悉分布式推理常用加速方法，有超大模型分布式部署经验优先。",
"skills": [AI生成
"Python",
"C++",
"CUDA",
"深度学习",
"性能调优",
"大语言模型",
"C语言"
],
"preferred_qualifications": "4.熟悉各类深度学习网络和算子底层实现细节，训练和推理模型调试、调优有实操经验优先；5.熟悉CPU/GPU异构加速瓶颈分析方法，有服务器端 AI 芯片、GPU加速经验优先；6.熟悉分布式推理常用加速方法，有超大模型分布式部署经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2037411502792798208"
}
]
},
"posting": {
"posting_id": "2037411502792798208",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2037411502792798208"
},
"fulltext": "微信-AI Infra工程师-大模型推理方向\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.配合算法工程师，推动深度学习相关算法的落地，打造高吞吐、低延时的推理系统；\n2.优化大模型推理性能，提升吞吐并控制成本；\n3.优化大模型推理框架，提升框架易用性和可调试性。\n1.熟练掌握 C/C++、Python语言，有计算机体系结构背景或软件开发背景，熟悉系统性能调优的方式；\r\n2.具备基础的GPU编程能力，包括但不限于Cuda、OpenCL；熟悉至少一种GPU加速库，如cublas、cudnn、cutlass等；\r\n3.有Tensorrt/FasterTransformer/Tensorrt-llm/vllm/sglang等深度学习推理框架的实际使用经验；\r\n4.熟悉各类深度学习网络和算子底层实现细节，训练和推理模型调试、调优有实操经验优先；\r\n5.熟悉CPU/GPU异构加速瓶颈分析方法，有服务器端 AI 芯片、GPU加速经验优先；\r\n6.熟悉分布式推理常用加速方法，有超大模型分布式部署经验优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}