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": "算法开发岗",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "京东科技",
"location": "广东省",
"work_mode": "未披露",AI生成
"job_category": "研发类"AI生成
},
"company": {
"company_name": "京东集团",
"company_industry": "电商 / 供应链 / 物流 / 科技服务",
"company_size": "10000人以上",
"company_website": "jd.com",
"company_description": "京东是一家以供应链为基础的技术与服务企业，覆盖零售、物流、科技、健康等业务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：广东省\n所属部门：京东科技\n发布时间：2026-08-20\n\n岗位职责\n1. 设计适用于小算力平台的双目深度模型量化与加速方案，对模型端侧推理的耗时、占用等进行深度优化，提升算法效率；\n2. 深入理解芯片硬件架构（如NPU、GPU、DSP等），利用其特性（如稀疏计算、专用指令集）实现模型的高效推理，显著提升推理速度和能效比；\n3. 主导并实施模型的量化（INT8/INT4/混合精度）、剪枝、蒸馏等压缩技术，在保证模型精度损失可控的前提下，大幅降低模型体积和计算开销；\n4. 构建双目模组量产所需的标定与测试工具链，支持硬件批量生产的质量一致性。\n\n任职要求\n1. 计算机、自动化、电子信息等相关专业，有AI模型量化、部署、加速相关的工作经验；\n2. 精通C/C++/Python等编程语言，熟悉Linux开发环境，具备扎实的代码能力和良好的软件工程习惯；\n3. 深入理解深度学习原理，熟悉主流深度学习框架(PyTorch/TensorFlow)，具有独立开发能力；\n4. 具备实际的模型部署经验，熟悉TensorRT、ONNX、RKNN等相关端侧推理框架；\n5. 拥有在嵌入式设备（如ARM CPU, NPU, DSP）或AI芯片上进行AI模型部署和优化的实战经验者优先；\n6. 具有3D几何视觉和图像处理算法基础，了解相机标定原理。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"requirements_text": "算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：广东省\n所属部门：京东科技\n发布时间：2026-08-20\n\n岗位职责\n1. 设计适用于小算力平台的双目深度模型量化与加速方案，对模型端侧推理的耗时、占用等进行深度优化，提升算法效率；\n2. 深入理解芯片硬件架构（如NPU、GPU、DSP等），利用其特性（如稀疏计算、专用指令集）实现模型的高效推理，显著提升推理速度和能效比；\n3. 主导并实施模型的量化（INT8/INT4/混合精度）、剪枝、蒸馏等压缩技术，在保证模型精度损失可控的前提下，大幅降低模型体积和计算开销；\n4. 构建双目模组量产所需的标定与测试工具链，支持硬件批量生产的质量一致性。\n\n任职要求\n1. 计算机、自动化、电子信息等相关专业，有AI模型量化、部署、加速相关的工作经验；\n2. 精通C/C++/Python等编程语言，熟悉Linux开发环境，具备扎实的代码能力和良好的软件工程习惯；\n3. 深入理解深度学习原理，熟悉主流深度学习框架(PyTorch/TensorFlow)，具有独立开发能力；\n4. 具备实际的模型部署经验，熟悉TensorRT、ONNX、RKNN等相关端侧推理框架；\n5. 拥有在嵌入式设备（如ARM CPU, NPU, DSP）或AI芯片上进行AI模型部署和优化的实战经验者优先；\n6. 具有3D几何视觉和图像处理算法基础，了解相机标定原理。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"TensorFlow",
"深度学习",
"嵌入式",
"招聘"
],
"preferred_qualifications": "5. 拥有在嵌入式设备（如ARM CPU, NPU, DSP）或AI芯片上进行AI模型部署和优化的实战经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.jd.com/web/job-info-detail?requementId=222996"
}
]
},
"posting": {
"posting_id": "222996",
"post_date": "2026-08-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.jd.com/web/job-info-detail?requementId=222996"
},
"fulltext": "算法开发岗\n算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：广东省\n所属部门：京东科技\n发布时间：2026-08-20\n\n岗位职责\n1. 设计适用于小算力平台的双目深度模型量化与加速方案，对模型端侧推理的耗时、占用等进行深度优化，提升算法效率；\n2. 深入理解芯片硬件架构（如NPU、GPU、DSP等），利用其特性（如稀疏计算、专用指令集）实现模型的高效推理，显著提升推理速度和能效比；\n3. 主导并实施模型的量化（INT8/INT4/混合精度）、剪枝、蒸馏等压缩技术，在保证模型精度损失可控的前提下，大幅降低模型体积和计算开销；\n4. 构建双目模组量产所需的标定与测试工具链，支持硬件批量生产的质量一致性。\n\n任职要求\n1. 计算机、自动化、电子信息等相关专业，有AI模型量化、部署、加速相关的工作经验；\n2. 精通C/C++/Python等编程语言，熟悉Linux开发环境，具备扎实的代码能力和良好的软件工程习惯；\n3. 深入理解深度学习原理，熟悉主流深度学习框架(PyTorch/TensorFlow)，具有独立开发能力；\n4. 具备实际的模型部署经验，熟悉TensorRT、ONNX、RKNN等相关端侧推理框架；\n5. 拥有在嵌入式设备（如ARM CPU, NPU, DSP）或AI芯片上进行AI模型部署和优化的实战经验者优先；\n6. 具有3D几何视觉和图像处理算法基础，了解相机标定原理。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：广东省\n所属部门：京东科技\n发布时间：2026-08-20\n\n岗位职责\n1. 设计适用于小算力平台的双目深度模型量化与加速方案，对模型端侧推理的耗时、占用等进行深度优化，提升算法效率；\n2. 深入理解芯片硬件架构（如NPU、GPU、DSP等），利用其特性（如稀疏计算、专用指令集）实现模型的高效推理，显著提升推理速度和能效比；\n3. 主导并实施模型的量化（INT8/INT4/混合精度）、剪枝、蒸馏等压缩技术，在保证模型精度损失可控的前提下，大幅降低模型体积和计算开销；\n4. 构建双目模组量产所需的标定与测试工具链，支持硬件批量生产的质量一致性。\n\n任职要求\n1. 计算机、自动化、电子信息等相关专业，有AI模型量化、部署、加速相关的工作经验；\n2. 精通C/C++/Python等编程语言，熟悉Linux开发环境，具备扎实的代码能力和良好的软件工程习惯；\n3. 深入理解深度学习原理，熟悉主流深度学习框架(PyTorch/TensorFlow)，具有独立开发能力；\n4. 具备实际的模型部署经验，熟悉TensorRT、ONNX、RKNN等相关端侧推理框架；\n5. 拥有在嵌入式设备（如ARM CPU, NPU, DSP）或AI芯片上进行AI模型部署和优化的实战经验者优先；\n6. 具有3D几何视觉和图像处理算法基础，了解相机标定原理。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n算法开发岗\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：广东省\n所属部门：京东科技\n发布时间：2026-08-20\n\n岗位职责\n1. 设计适用于小算力平台的双目深度模型量化与加速方案，对模型端侧推理的耗时、占用等进行深度优化，提升算法效率；\n2. 深入理解芯片硬件架构（如NPU、GPU、DSP等），利用其特性（如稀疏计算、专用指令集）实现模型的高效推理，显著提升推理速度和能效比；\n3. 主导并实施模型的量化（INT8/INT4/混合精度）、剪枝、蒸馏等压缩技术，在保证模型精度损失可控的前提下，大幅降低模型体积和计算开销；\n4. 构建双目模组量产所需的标定与测试工具链，支持硬件批量生产的质量一致性。\n\n任职要求\n1. 计算机、自动化、电子信息等相关专业，有AI模型量化、部署、加速相关的工作经验；\n2. 精通C/C++/Python等编程语言，熟悉Linux开发环境，具备扎实的代码能力和良好的软件工程习惯；\n3. 深入理解深度学习原理，熟悉主流深度学习框架(PyTorch/TensorFlow)，具有独立开发能力；\n4. 具备实际的模型部署经验，熟悉TensorRT、ONNX、RKNN等相关端侧推理框架；\n5. 拥有在嵌入式设备（如ARM CPU, NPU, DSP）或AI芯片上进行AI模型部署和优化的实战经验者优先；\n6. 具有3D几何视觉和图像处理算法基础，了解相机标定原理。\n符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}