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": "大模型推理框架研发工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "CSIG",
"location": "杭州",
"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.研发及优化大模型推理引擎、PD分离推理调度系统，提升大规模分布式推理系统的整体效率；\r\n2.支持主流GPU和异构AI芯片，优化大模型推理性能，打造极致性能成本优势。",
"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.熟悉主流大模型推理框架，如vllm，sglang，tensorrt-llm等，具备语言、多模态模型大规模部署和优化经验；\r\n3.熟悉并行策略，如数据并行、流水线并行等，熟悉NVLINK、GPU RDMA通信者优先；\r\n4.熟悉各类深度学习网络和算子底层实现细节，有实操经验优先；\r\n5.熟悉主流开源模型及其架构特点，具备针对不同模型进行分析优化的能力优先；\r\n6.具备GPU、AI芯片体系结构知识，熟悉芯片特性，具备系统性能分析和调优经验优先。",
"skills": [AI生成
"Python",
"C++",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "1.熟悉常见的算子编译优化、图优化和算子融合流程，如torch.compile，triton，tilelang等；\r\n2.熟悉GPU/AI芯片编程，如CUDA，Ascend C等，熟悉cutlass等加速库；\r\n3.机器学习或者体系结构相关顶会论文；\r\n4.参与vllm、sglang等开源项目贡献者。",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2037523714089840640"
}
]
},
"posting": {
"posting_id": "2037523714089840640",
"post_date": "2026-08-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2037523714089840640"
},
"fulltext": "大模型推理框架研发工程师\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.研发及优化大模型推理引擎、PD分离推理调度系统，提升大规模分布式推理系统的整体效率；\r\n2.支持主流GPU和异构AI芯片，优化大模型推理性能，打造极致性能成本优势。\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.熟悉主流大模型推理框架，如vllm，sglang，tensorrt-llm等，具备语言、多模态模型大规模部署和优化经验；\r\n3.熟悉并行策略，如数据并行、流水线并行等，熟悉NVLINK、GPU RDMA通信者优先；\r\n4.熟悉各类深度学习网络和算子底层实现细节，有实操经验优先；\r\n5.熟悉主流开源模型及其架构特点，具备针对不同模型进行分析优化的能力优先；\r\n6.具备GPU、AI芯片体系结构知识，熟悉芯片特性，具备系统性能分析和调优经验优先。\n1.熟悉常见的算子编译优化、图优化和算子融合流程，如torch.compile，triton，tilelang等；\r\n2.熟悉GPU/AI芯片编程，如CUDA，Ascend C等，熟悉cutlass等加速库；\r\n3.机器学习或者体系结构相关顶会论文；\r\n4.参与vllm、sglang等开源项目贡献者。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}