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推理平台-Qwen推理优化专家-上海",
"job_level": "专家",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": "未披露"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、面向 NVIDIA GPU等主流AI 加速硬件，对大模型核心算子进行深度性能优化，极致压榨计算与访存带宽资源，显著提升端到端推理吞吐量与延迟表现。\n2、设计并实现高精度、极低比特量化内核，在保障推理精度的前提下，大幅降低模型存储占用与计算开销，推动大模型在资源受限场景下的高效部署。\n3、针对大规模分布式推理场景，研发计算-通信协同优化技术，有效隐藏通信延迟，提升多卡/多节点系统的可扩展性与资源利用率。\n4、和基模算法团队紧密配合，联合设计下一代Qwen模型结构，通过端到端性能建模、算子定制与框架优化，确保下一代模型结构的推理效能。",
"requirements_text": "1、具备扎实的工程实现能力与良好的代码规范，熟练掌握 Python 和 C++，熟悉常用设计模式，能够独立完成复杂系统的架构设计、开发与调试。\n2、拥有丰富的高性能计算内核（Kernel）开发经验，精通 CUDA / Triton / ROCm 等异构编程模型，有基于 CUTLASS、CUTE 等框架进行算子开发与极致性能调优的实战经验，并已在生产环境中成功落地。\n3、熟悉计算机体系结构核心原理，具备大模型推理引擎（如 vLLM、SGLang 等）优化经验，或在模型压缩（如低比特量化、稀疏化）、AI资源调度、计算图优化等方向有深入实践。\n4、具备优秀的沟通协作能力与团队合作精神，学习能力强，对技术有热情，能深入钻研底层性能瓶颈并提出创新性解决方案。",
"skills": [AI生成
"Python",
"C++",
"CUDA",
"性能调优",
"架构设计",
"团队协作",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100024960001"
}
]
},
"posting": {
"posting_id": "100024960001",
"post_date": "2026-09-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100024960001"
},
"fulltext": "AI推理平台-Qwen推理优化专家-上海\nAI推理平台-Qwen推理优化专家-上海\n\n基础信息\n工作地点：上海\n\n职位描述\n1、面向 NVIDIA GPU等主流AI 加速硬件，对大模型核心算子进行深度性能优化，极致压榨计算与访存带宽资源，显著提升端到端推理吞吐量与延迟表现。\n2、设计并实现高精度、极低比特量化内核，在保障推理精度的前提下，大幅降低模型存储占用与计算开销，推动大模型在资源受限场景下的高效部署。\n3、针对大规模分布式推理场景，研发计算-通信协同优化技术，有效隐藏通信延迟，提升多卡/多节点系统的可扩展性与资源利用率。\n4、和基模算法团队紧密配合，联合设计下一代Qwen模型结构，通过端到端性能建模、算子定制与框架优化，确保下一代模型结构的推理效能。\n\n职位要求\n1、具备扎实的工程实现能力与良好的代码规范，熟练掌握 Python 和 C++，熟悉常用设计模式，能够独立完成复杂系统的架构设计、开发与调试。\n2、拥有丰富的高性能计算内核（Kernel）开发经验，精通 CUDA / Triton / ROCm 等异构编程模型，有基于 CUTLASS、CUTE 等框架进行算子开发与极致性能调优的实战经验，并已在生产环境中成功落地。\n3、熟悉计算机体系结构核心原理，具备大模型推理引擎（如 vLLM、SGLang 等）优化经验，或在模型压缩（如低比特量化、稀疏化）、AI资源调度、计算图优化等方向有深入实践。\n4、具备优秀的沟通协作能力与团队合作精神，学习能力强，对技术有热情，能深入钻研底层性能瓶颈并提出创新性解决方案。\n1、面向 NVIDIA GPU等主流AI 加速硬件，对大模型核心算子进行深度性能优化，极致压榨计算与访存带宽资源，显著提升端到端推理吞吐量与延迟表现。\n2、设计并实现高精度、极低比特量化内核，在保障推理精度的前提下，大幅降低模型存储占用与计算开销，推动大模型在资源受限场景下的高效部署。\n3、针对大规模分布式推理场景，研发计算-通信协同优化技术，有效隐藏通信延迟，提升多卡/多节点系统的可扩展性与资源利用率。\n4、和基模算法团队紧密配合，联合设计下一代Qwen模型结构，通过端到端性能建模、算子定制与框架优化，确保下一代模型结构的推理效能。\n1、具备扎实的工程实现能力与良好的代码规范，熟练掌握 Python 和 C++，熟悉常用设计模式，能够独立完成复杂系统的架构设计、开发与调试。\n2、拥有丰富的高性能计算内核（Kernel）开发经验，精通 CUDA / Triton / ROCm 等异构编程模型，有基于 CUTLASS、CUTE 等框架进行算子开发与极致性能调优的实战经验，并已在生产环境中成功落地。\n3、熟悉计算机体系结构核心原理，具备大模型推理引擎（如 vLLM、SGLang 等）优化经验，或在模型压缩（如低比特量化、稀疏化）、AI资源调度、计算图优化等方向有深入实践。\n4、具备优秀的沟通协作能力与团队合作精神，学习能力强，对技术有热情，能深入钻研底层性能瓶颈并提出创新性解决方案。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}