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": "AI编译优化工程师(北京/上海/深圳)",
"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": 3,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.基于自研芯片，研发高性能图和算子编译器，解决芯片落地过程中编译相关性能、易用性等问题；\r\n2.探索和研发自动生成算子解决方案，提升生成算子效率；\r\n3.不断迭代编译器功能、性能和易用性，和业务一起构建AI生态。",
"requirements_text": "1.熟悉Linux开发环境，掌握Python/C++等语言， 有良好的编程基础、系统设计优化能力；\r\n2.熟悉GPU/AI DSA体系结构和原理，有Nvidia/AMD/Intel或 AI 芯片等编译相关的开发优化经验；\r\n3.精通MLIR、Triton、tilelang或其他CodeGen框架；\r\n4.具备良好的技术热情和责任感，优秀的分析解决问题能力，良好的团队意识和沟通能力。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"沟通能力",
"解决问题"
],
"preferred_qualifications": "1.熟悉Cuda、ROCm算子开发与pytorch/tensorflow框架；\r\n2.熟悉LLM常见模型结构和大模型相关的模型并行、流水并行方法。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2037425089443692544"
}
]
},
"posting": {
"posting_id": "2037425089443692544",
"post_date": "2026-08-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2037425089443692544"
},
"fulltext": "AI编译优化工程师(北京/上海/深圳)\n1.基于自研芯片，研发高性能图和算子编译器，解决芯片落地过程中编译相关性能、易用性等问题；\r\n2.探索和研发自动生成算子解决方案，提升生成算子效率；\r\n3.不断迭代编译器功能、性能和易用性，和业务一起构建AI生态。\n1.熟悉Linux开发环境，掌握Python/C++等语言， 有良好的编程基础、系统设计优化能力；\r\n2.熟悉GPU/AI DSA体系结构和原理，有Nvidia/AMD/Intel或 AI 芯片等编译相关的开发优化经验；\r\n3.精通MLIR、Triton、tilelang或其他CodeGen框架；\r\n4.具备良好的技术热情和责任感，优秀的分析解决问题能力，良好的团队意识和沟通能力。\n1.熟悉Cuda、ROCm算子开发与pytorch/tensorflow框架；\r\n2.熟悉LLM常见模型结构和大模型相关的模型并行、流水并行方法。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}