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-CPU计算加速软件专家-杭州",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"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": 5,
"degree": "计算机/电子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. 负责基于自研CPU芯片通用场景包括但不限于大数据、存储、数据库、视频、Web等场景的软件优化工作：对涉及的基础库、核心业务算法、平台框架等进行深入优化开发和产品化软件交付\n2. 负责基于自研CPU芯片在AI 场景的应用软件优化工作：对大模型训练、推理场景涉及框架（PyTorch、vLLM、SGLang 等）、算子库、互联通信、硬件驱动等模块进行CPU侧的瓶颈优化和开发提升自研CPU在AI场景的性能竞争力\n3. 紧跟业界、学术届的动态，设计和开发基于自研CPU芯片的计算加速软件，包括但不限于CudaGraph优化、Torch Compile、芯片加速器特性、指令排布优化、NUMA访存亲和性、向量化指令加速等手段\n4. 与周边团队合作，分析和探索自研CPU的应用场景和性能分析：梳理关键场景给芯片的迭代设计和优化提供技术输入，增强下一代芯片的竞争力",
"requirements_text": "1. 计算机/电子相关专业硕士及以上学历，5年或者以上相关从业经验（优秀可放宽）\n2. 扎实的编程能力：精通 C/C++，熟悉Python，具备良好的代码工程能力和调试能力。\n3. 熟悉ARM NEON/SVE或者X86向量化指令集，能够使用汇编/intrinsic结合算法进行开发优化\n4. 掌握常见的性能分析方法论，具备系统级分析、微架构Top-down分析等能力\n5. 加分项：\n● 有ARM服务器平台（如 AWS Graviton、Ampere Altra、华为鲲鹏等）优化经验者优先\n● 熟悉 PyTorch 框架，有 PyTorch 性能优化、自定义算子开发或底层内核优化者优先\n● 有基于CPU+GPU（或AI芯片）一体机或SOC相关性能分析和优化经验者优先\n● 有国产化软件适配、软硬协同优化&分析经验者优先\n● 熟悉强化学习训练框架和场景应用、Agent部署、Sandbox及虚拟化技术者优先\n● 有数据中心大数据、存储、Web、视频编解码、数据库性能优化工作经验者优先",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"强化学习",
"数据库",
"性能优化",
"C语言"
],
"preferred_qualifications": "5. 加分项：；● 有ARM服务器平台（如 AWS Graviton、Ampere Altra、华为鲲鹏等）优化经验者优先；● 熟悉 PyTorch 框架，有 PyTorch 性能优化、自定义算子开发或底层内核优化者优先；● 有基于CPU+GPU（或AI芯片）一体机或SOC相关性能分析和优化经验者优先；● 有国产化软件适配、软硬协同优化&分析经验者优先；● 熟悉强化学习训练框架和场景应用、Agent部署、Sandbox及虚拟化技术者优先；● 有数据中心大数据、存储、Web、视频编解码、数据库性能优化工作经验者优先",
"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=100015280001"
}
]
},
"posting": {
"posting_id": "100015280001",
"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=100015280001"
},
"fulltext": "平头哥-CPU计算加速软件专家-杭州\n平头哥-CPU计算加速软件专家-杭州\n\n基础信息\n职位类别：技术-芯片\n工作地点：杭州\n\n职位描述\n1. 负责基于自研CPU芯片通用场景包括但不限于大数据、存储、数据库、视频、Web等场景的软件优化工作：对涉及的基础库、核心业务算法、平台框架等进行深入优化开发和产品化软件交付\n2. 负责基于自研CPU芯片在AI 场景的应用软件优化工作：对大模型训练、推理场景涉及框架（PyTorch、vLLM、SGLang 等）、算子库、互联通信、硬件驱动等模块进行CPU侧的瓶颈优化和开发提升自研CPU在AI场景的性能竞争力\n3. 紧跟业界、学术届的动态，设计和开发基于自研CPU芯片的计算加速软件，包括但不限于CudaGraph优化、Torch Compile、芯片加速器特性、指令排布优化、NUMA访存亲和性、向量化指令加速等手段\n4. 与周边团队合作，分析和探索自研CPU的应用场景和性能分析：梳理关键场景给芯片的迭代设计和优化提供技术输入，增强下一代芯片的竞争力\n\n职位要求\n1. 计算机/电子相关专业硕士及以上学历，5年或者以上相关从业经验（优秀可放宽）\n2. 扎实的编程能力：精通 C/C++，熟悉Python，具备良好的代码工程能力和调试能力。\n3. 熟悉ARM NEON/SVE或者X86向量化指令集，能够使用汇编/intrinsic结合算法进行开发优化\n4. 掌握常见的性能分析方法论，具备系统级分析、微架构Top-down分析等能力\n5. 加分项：\n● 有ARM服务器平台（如 AWS Graviton、Ampere Altra、华为鲲鹏等）优化经验者优先\n● 熟悉 PyTorch 框架，有 PyTorch 性能优化、自定义算子开发或底层内核优化者优先\n● 有基于CPU+GPU（或AI芯片）一体机或SOC相关性能分析和优化经验者优先\n● 有国产化软件适配、软硬协同优化&分析经验者优先\n● 熟悉强化学习训练框架和场景应用、Agent部署、Sandbox及虚拟化技术者优先\n● 有数据中心大数据、存储、Web、视频编解码、数据库性能优化工作经验者优先\n1. 负责基于自研CPU芯片通用场景包括但不限于大数据、存储、数据库、视频、Web等场景的软件优化工作：对涉及的基础库、核心业务算法、平台框架等进行深入优化开发和产品化软件交付\n2. 负责基于自研CPU芯片在AI 场景的应用软件优化工作：对大模型训练、推理场景涉及框架（PyTorch、vLLM、SGLang 等）、算子库、互联通信、硬件驱动等模块进行CPU侧的瓶颈优化和开发提升自研CPU在AI场景的性能竞争力\n3. 紧跟业界、学术届的动态，设计和开发基于自研CPU芯片的计算加速软件，包括但不限于CudaGraph优化、Torch Compile、芯片加速器特性、指令排布优化、NUMA访存亲和性、向量化指令加速等手段\n4. 与周边团队合作，分析和探索自研CPU的应用场景和性能分析：梳理关键场景给芯片的迭代设计和优化提供技术输入，增强下一代芯片的竞争力\n1. 计算机/电子相关专业硕士及以上学历，5年或者以上相关从业经验（优秀可放宽）\n2. 扎实的编程能力：精通 C/C++，熟悉Python，具备良好的代码工程能力和调试能力。\n3. 熟悉ARM NEON/SVE或者X86向量化指令集，能够使用汇编/intrinsic结合算法进行开发优化\n4. 掌握常见的性能分析方法论，具备系统级分析、微架构Top-down分析等能力\n5. 加分项：\n● 有ARM服务器平台（如 AWS Graviton、Ampere Altra、华为鲲鹏等）优化经验者优先\n● 熟悉 PyTorch 框架，有 PyTorch 性能优化、自定义算子开发或底层内核优化者优先\n● 有基于CPU+GPU（或AI芯片）一体机或SOC相关性能分析和优化经验者优先\n● 有国产化软件适配、软硬协同优化&分析经验者优先\n● 熟悉强化学习训练框架和场景应用、Agent部署、Sandbox及虚拟化技术者优先\n● 有数据中心大数据、存储、Web、视频编解码、数据库性能优化工作经验者优先",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}