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": "达摩院-芯片框架开发专家-计算技术",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "成都 / 北京 / 杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "技术-基础平台"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": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "从事芯片框架相关的工作，主要包含：\n1. 负责主流开源框架支持，如pytorch、tensorflow；\n2. 负责主流开源大模型推理引擎支持，如vllm；\n3. 负责大模型推理性能优化；\n4. 负责大模型大规模集群训练优化；",
"requirements_text": "1. 具备芯片框架相关开发、优化经验；\n2. 具备极佳的工程实现能力，熟悉C/C++或Python；\n3. 具备扎实的计算机领域基础知识、熟悉计算机体系结构原理、常用算法及数据结构。\n加分项：\n• 熟悉CUDA编程，GPU环境下调试、优化经验；\n• 基于芯片的开发经验；\n• LLM推理引擎经验；\n• 大规模分布式训练经验；\n• 在AI系统优化领域、高性能计算领域发表过论文，或在行业中有一定影响力的候选人。",
"skills": [AI生成
"Python",
"C++",
"CUDA",
"数据结构"
],
"preferred_qualifications": "加分项：",
"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=1089905"
}
]
},
"posting": {
"posting_id": "1089905",
"post_date": "2026-08-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=1089905"
},
"fulltext": "达摩院-芯片框架开发专家-计算技术\n达摩院-芯片框架开发专家-计算技术\n\n基础信息\n职位类别：技术-基础平台\n工作地点：成都 / 北京 / 杭州 / 上海\n\n职位描述\n从事芯片框架相关的工作，主要包含：\n1. 负责主流开源框架支持，如pytorch、tensorflow；\n2. 负责主流开源大模型推理引擎支持，如vllm；\n3. 负责大模型推理性能优化；\n4. 负责大模型大规模集群训练优化；\n\n职位要求\n1. 具备芯片框架相关开发、优化经验；\n2. 具备极佳的工程实现能力，熟悉C/C++或Python；\n3. 具备扎实的计算机领域基础知识、熟悉计算机体系结构原理、常用算法及数据结构。\n加分项：\n• 熟悉CUDA编程，GPU环境下调试、优化经验；\n• 基于芯片的开发经验；\n• LLM推理引擎经验；\n• 大规模分布式训练经验；\n• 在AI系统优化领域、高性能计算领域发表过论文，或在行业中有一定影响力的候选人。\n从事芯片框架相关的工作，主要包含：\n1. 负责主流开源框架支持，如pytorch、tensorflow；\n2. 负责主流开源大模型推理引擎支持，如vllm；\n3. 负责大模型推理性能优化；\n4. 负责大模型大规模集群训练优化；\n1. 具备芯片框架相关开发、优化经验；\n2. 具备极佳的工程实现能力，熟悉C/C++或Python；\n3. 具备扎实的计算机领域基础知识、熟悉计算机体系结构原理、常用算法及数据结构。\n加分项：\n• 熟悉CUDA编程，GPU环境下调试、优化经验；\n• 基于芯片的开发经验；\n• LLM推理引擎经验；\n• 大规模分布式训练经验；\n• 在AI系统优化领域、高性能计算领域发表过论文，或在行业中有一定影响力的候选人。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}