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": "平头哥-边缘AI芯片推理框架开发工程师-上海",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "技术-芯片"AI生成
},
"company": {
"company_name": "平头哥",
"company_industry": "半导体 / 芯片设计",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "平头哥研发计算、存储及网络芯片，为人工智能基础设施提供支持。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "计算机等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责AI模型以及大模型（LLM、VLM、VLA) 的部署和推理优化，结合AI软硬件特性实现优化计算和推理效率优化，包括但不限于多模型部署、KV Cache 管理、 Inflight Batching 等技术。\n2. 在边缘AI上适配SOTA开源框架和SOTA模型，分析解决适配过程中发现的功能、性能与精度问题，为客户提供问题支持和解决方案。\n3. 深入挖掘边缘AI软件栈和系统性能瓶颈，提出软硬件的加速解决方案。",
"requirements_text": "1. 电子工程，计算机等相关专业硕士及以上学历。\n2. 具备3年以上AI推理优化相关工作经验，深刻理解并行计算和CUDA编程，熟悉TensorRT和TensorRT-LLM的模型部署和优化。\n3. 熟练掌握Python、C/C++编程语言，掌握AI Vibe Coding技术，良好的逻辑思维与问题分析能力。\n4. 熟悉主流深度学习框架Pytorch，推理框架vLLM、SGlang，TensorRT, TensorRT-LLM 等。\n5. 责任心强， 能够跨团队/部门协作分析与解决业务场景中AI软硬件全栈的功能、精度、性能问题达成产品化目标。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"深度学习",
"逻辑思维",
"分析能力",
"大语言模型",
"C语言"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://recruitment.t-head.cn/off-campus/position-detail?positionId=100014080010"
}
]
},
"posting": {
"posting_id": "100014080010",
"post_date": "2026-08-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://recruitment.t-head.cn/off-campus/position-detail?positionId=100014080010"
},
"fulltext": "平头哥-边缘AI芯片推理框架开发工程师-上海\n平头哥-边缘AI芯片推理框架开发工程师-上海\n\n基础信息\n职位类别：技术-芯片\n工作地点：上海\n\n职位描述\n1. 负责AI模型以及大模型（LLM、VLM、VLA) 的部署和推理优化，结合AI软硬件特性实现优化计算和推理效率优化，包括但不限于多模型部署、KV Cache 管理、 Inflight Batching 等技术。\n2. 在边缘AI上适配SOTA开源框架和SOTA模型，分析解决适配过程中发现的功能、性能与精度问题，为客户提供问题支持和解决方案。\n3. 深入挖掘边缘AI软件栈和系统性能瓶颈，提出软硬件的加速解决方案。\n\n职位要求\n1. 电子工程，计算机等相关专业硕士及以上学历。\n2. 具备3年以上AI推理优化相关工作经验，深刻理解并行计算和CUDA编程，熟悉TensorRT和TensorRT-LLM的模型部署和优化。\n3. 熟练掌握Python、C/C++编程语言，掌握AI Vibe Coding技术，良好的逻辑思维与问题分析能力。\n4. 熟悉主流深度学习框架Pytorch，推理框架vLLM、SGlang，TensorRT, TensorRT-LLM 等。\n5. 责任心强， 能够跨团队/部门协作分析与解决业务场景中AI软硬件全栈的功能、精度、性能问题达成产品化目标。\n1. 负责AI模型以及大模型（LLM、VLM、VLA) 的部署和推理优化，结合AI软硬件特性实现优化计算和推理效率优化，包括但不限于多模型部署、KV Cache 管理、 Inflight Batching 等技术。\n2. 在边缘AI上适配SOTA开源框架和SOTA模型，分析解决适配过程中发现的功能、性能与精度问题，为客户提供问题支持和解决方案。\n3. 深入挖掘边缘AI软件栈和系统性能瓶颈，提出软硬件的加速解决方案。\n1. 电子工程，计算机等相关专业硕士及以上学历。\n2. 具备3年以上AI推理优化相关工作经验，深刻理解并行计算和CUDA编程，熟悉TensorRT和TensorRT-LLM的模型部署和优化。\n3. 熟练掌握Python、C/C++编程语言，掌握AI Vibe Coding技术，良好的逻辑思维与问题分析能力。\n4. 熟悉主流深度学习框架Pytorch，推理框架vLLM、SGlang，TensorRT, TensorRT-LLM 等。\n5. 责任心强， 能够跨团队/部门协作分析与解决业务场景中AI软硬件全栈的功能、精度、性能问题达成产品化目标。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}