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大模型架构师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "TEG",
"location": "深圳",
"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": 5,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责公司大模型（LLM/VLM/MoE等）的整体技术架构规划，参与千亿/万亿参数级别大模型的训练、推理全流程架构优化；\n2.优化大规模分布式训练系统（3D并行、ZeRO优化等），参与解决断点续训、通信瓶颈、显存优化等技术难题，提升稳定性和降低成本；\n3.规划公司AI基础设施，包括AI芯片、存储、通信等。参与大模型训练的全流程规划（数据处理、预训练、精调、强化、后训练等）。参与大模型推理的全流程规划（改写、压缩、多轮对话、Agent等）。",
"requirements_text": "1.5年以上AI相关开发经验，包括不限于搜索、推荐、CV等。2年以上专注于大模型（GPT、Llama、Qwen、DeepSeek等系列）领域工作经验；\n2.深入理解Pytorch、Megatron、DeepSpeed等分布式训练框架，有千卡以上集群训练实战经验优先，有强化训练实战经验优先；\n3.熟悉千亿模型训练工程化相关技术，3D并行、ZeRO、混合精度、Overlapping等；\n4.熟悉主流大模型算法，Transformer、MoE、MLA等。熟悉后训练算法，SFT、DPO、GPRO等；\n5.了解大模型推理部署框架和工程化，vLLM框架、KV Cache优化等。关注当前最新LLM最新技术发展。",
"skills": [AI生成
"PyTorch",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "2.深入理解Pytorch、Megatron、DeepSpeed等分布式训练框架，有千卡以上集群训练实战经验优先，有强化训练实战经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2080544639538081792"
}
]
},
"posting": {
"posting_id": "2080544639538081792",
"post_date": "2026-08-19",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2080544639538081792"
},
"fulltext": "AI大模型架构师\n在腾讯，优秀的技术运营工程师始终赋能业务，关注技术运营的质量、成本、效率和安全。他们不仅是经验丰富的问题解决者，更是具有全局视角的架构师，通过自动化工具的建设，强力提升平台效能，助力业务发展。\n1.负责公司大模型（LLM/VLM/MoE等）的整体技术架构规划，参与千亿/万亿参数级别大模型的训练、推理全流程架构优化；\n2.优化大规模分布式训练系统（3D并行、ZeRO优化等），参与解决断点续训、通信瓶颈、显存优化等技术难题，提升稳定性和降低成本；\n3.规划公司AI基础设施，包括AI芯片、存储、通信等。参与大模型训练的全流程规划（数据处理、预训练、精调、强化、后训练等）。参与大模型推理的全流程规划（改写、压缩、多轮对话、Agent等）。\n1.5年以上AI相关开发经验，包括不限于搜索、推荐、CV等。2年以上专注于大模型（GPT、Llama、Qwen、DeepSeek等系列）领域工作经验；\n2.深入理解Pytorch、Megatron、DeepSpeed等分布式训练框架，有千卡以上集群训练实战经验优先，有强化训练实战经验优先；\n3.熟悉千亿模型训练工程化相关技术，3D并行、ZeRO、混合精度、Overlapping等；\n4.熟悉主流大模型算法，Transformer、MoE、MLA等。熟悉后训练算法，SFT、DPO、GPRO等；\n5.了解大模型推理部署框架和工程化，vLLM框架、KV Cache优化等。关注当前最新LLM最新技术发展。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}