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": "移动端AI推理引擎优化工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云",
"location": "杭州 / 深圳",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 参与公司自研或开源（如MNN, TNN, NCNN, TVM, MLIR等）移动端推理引擎的开发，针对ARM CPU、GPU (Adreno/Mali)、NPU (Hexagon/Neural Engine) 进行算子性能优化；\n2. 负责深度学习模型的量化策略研究（PTQ/QAT），实现INT8/INT4甚至更低精度的推理加速，同时保证模型精度损失最小化；\n3. 参与LLM（大语言模型）或多模态模型在移动端的部署优化，包括KV Cache管理、显存优化、流式生成加速及低功耗推理策略；\n4. 研究和实现基于不同硬件后端的自动调度策略，提升模型在复杂场景下的推理效率和能效比；\n5. 参与模型转换工具、性能分析Profiler、调试工具的开发，提升算法工程师的端侧部署效率。",
"requirements_text": "1. 本科及以上学历，计算机、电子工程、数学、人工智能等相关专业；\n2. 精通 C/C++，熟悉现代C++标准（C++17/20），具备良好的代码风格和内存管理能力；熟悉Python脚本编写；\n3. 深入理解计算机体系结构，熟悉ARM架构特性（NEON指令集、缓存机制、内存对齐等），有汇编优化经验者优先；\n4. 熟悉主流深度学习框架（PyTorch, TensorFlow, ONNX），理解常见神经网络结构及算子原理；\n5. 了解多线程编程（pthread, std::thread）及并行计算技术（OpenCL, Vulkan, CUDA）。\n【加分项】\n1. 有实际的移动端AI部署经验，或在GitHub上有相关开源项目贡献（如MNN, TNN, ncnn, llama.cpp等）；\n2. 熟悉模型量化原理，有处理过量化敏感模型或自定义量化算子的经验；\n3. 熟悉Transformer架构，有在移动端部署Llama, Qwen, ChatGLM等大模型的经验，了解Speculative Decoding等技术；\n4. 熟悉MLIR、TVM、XLA等编译器基础设施，有算子融合（Operator Fusion）或自动代码生成经验；\n5. 在ACM/ICPC、Kaggle或各类AI系统优化竞赛中获得过优异成绩。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"CUDA",
"深度学习",
"大语言模型",
"C语言"
],
"preferred_qualifications": "3. 深入理解计算机体系结构，熟悉ARM架构特性（NEON指令集、缓存机制、内存对齐等），有汇编优化经验者优先；【加分项】",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907740057?deptCodes="
}
]
},
"posting": {
"posting_id": "199907740057",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907740057?deptCodes="
},
"fulltext": "移动端AI推理引擎优化工程师\n移动端AI推理引擎优化工程师\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：杭州 / 深圳\n\n职位描述\n1. 参与公司自研或开源（如MNN, TNN, NCNN, TVM, MLIR等）移动端推理引擎的开发，针对ARM CPU、GPU (Adreno/Mali)、NPU (Hexagon/Neural Engine) 进行算子性能优化；\n2. 负责深度学习模型的量化策略研究（PTQ/QAT），实现INT8/INT4甚至更低精度的推理加速，同时保证模型精度损失最小化；\n3. 参与LLM（大语言模型）或多模态模型在移动端的部署优化，包括KV Cache管理、显存优化、流式生成加速及低功耗推理策略；\n4. 研究和实现基于不同硬件后端的自动调度策略，提升模型在复杂场景下的推理效率和能效比；\n5. 参与模型转换工具、性能分析Profiler、调试工具的开发，提升算法工程师的端侧部署效率。\n\n职位要求\n1. 本科及以上学历，计算机、电子工程、数学、人工智能等相关专业；\n2. 精通 C/C++，熟悉现代C++标准（C++17/20），具备良好的代码风格和内存管理能力；熟悉Python脚本编写；\n3. 深入理解计算机体系结构，熟悉ARM架构特性（NEON指令集、缓存机制、内存对齐等），有汇编优化经验者优先；\n4. 熟悉主流深度学习框架（PyTorch, TensorFlow, ONNX），理解常见神经网络结构及算子原理；\n5. 了解多线程编程（pthread, std::thread）及并行计算技术（OpenCL, Vulkan, CUDA）。\n【加分项】\n1. 有实际的移动端AI部署经验，或在GitHub上有相关开源项目贡献（如MNN, TNN, ncnn, llama.cpp等）；\n2. 熟悉模型量化原理，有处理过量化敏感模型或自定义量化算子的经验；\n3. 熟悉Transformer架构，有在移动端部署Llama, Qwen, ChatGLM等大模型的经验，了解Speculative Decoding等技术；\n4. 熟悉MLIR、TVM、XLA等编译器基础设施，有算子融合（Operator Fusion）或自动代码生成经验；\n5. 在ACM/ICPC、Kaggle或各类AI系统优化竞赛中获得过优异成绩。\n\n在招业务\n阿里云\n1. 参与公司自研或开源（如MNN, TNN, NCNN, TVM, MLIR等）移动端推理引擎的开发，针对ARM CPU、GPU (Adreno/Mali)、NPU (Hexagon/Neural Engine) 进行算子性能优化；\n2. 负责深度学习模型的量化策略研究（PTQ/QAT），实现INT8/INT4甚至更低精度的推理加速，同时保证模型精度损失最小化；\n3. 参与LLM（大语言模型）或多模态模型在移动端的部署优化，包括KV Cache管理、显存优化、流式生成加速及低功耗推理策略；\n4. 研究和实现基于不同硬件后端的自动调度策略，提升模型在复杂场景下的推理效率和能效比；\n5. 参与模型转换工具、性能分析Profiler、调试工具的开发，提升算法工程师的端侧部署效率。\n1. 本科及以上学历，计算机、电子工程、数学、人工智能等相关专业；\n2. 精通 C/C++，熟悉现代C++标准（C++17/20），具备良好的代码风格和内存管理能力；熟悉Python脚本编写；\n3. 深入理解计算机体系结构，熟悉ARM架构特性（NEON指令集、缓存机制、内存对齐等），有汇编优化经验者优先；\n4. 熟悉主流深度学习框架（PyTorch, TensorFlow, ONNX），理解常见神经网络结构及算子原理；\n5. 了解多线程编程（pthread, std::thread）及并行计算技术（OpenCL, Vulkan, CUDA）。\n【加分项】\n1. 有实际的移动端AI部署经验，或在GitHub上有相关开源项目贡献（如MNN, TNN, ncnn, llama.cpp等）；\n2. 熟悉模型量化原理，有处理过量化敏感模型或自定义量化算子的经验；\n3. 熟悉Transformer架构，有在移动端部署Llama, Qwen, ChatGLM等大模型的经验，了解Speculative Decoding等技术；\n4. 熟悉MLIR、TVM、XLA等编译器基础设施，有算子融合（Operator Fusion）或自动代码生成经验；\n5. 在ACM/ICPC、Kaggle或各类AI系统优化竞赛中获得过优异成绩。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}