JD数据
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AI Infra/大模型推理/分布式后端工程师",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "",
"location": "北京·海淀区·学院路",
"work_mode": "现场办公",AI生成
"job_category": "AI平台基础设施研发工程师"AI生成
},
"company": {
"company_name": "生数科技",
"company_industry": "互联网",
"company_size": "100-499人",
"company_website": "",
"company_description": "生数科技是全球首个实现数字世界和物理世界统一的通用世界模型公司，致力于构建对数字世界及物理世界的规律进行建模、推理、预测、行动的通用智能框架。生数坚持第一性原理，基于天然承载物理世界表征的视觉和听觉信息，训练基座世界模型，还原人类对物理世界认知、模拟与交互的过程，最终实现连通数字与物理世界的通用人工智能(AGI)。"
},
"compensation": {
"salary_range": {
"min": 30000,
"max": 60000,
"currency": "元",
"cycle": "月"
},
"benefits": "带薪年假 | 定期体检 | 五险一金 | 生日福利 | 团建聚餐 | 保底工资 | 股票期权 | 补充医疗保险 | 年终奖 | 节日福利 | 餐补 | 绩效奖金"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "中文",AI生成
"visa_support": "",
"responsibilities": "# 工程师/AI Infra/大模型推理/分布式后端\n* 我们在做什么\n生数科技专注多模态大模型与产品，核⼼团队来⾃清华⼤学人工智能研究院。我们⾃研的多模态生成模型已在 toC 产品与 toB 行业方案中落地，工程侧要接住的是真实流量，而不是demo。\n工程团队当前的主战场是多模态大模型分布式推理平台：万卡级 GPU 集群、高并发生产流量。业务在涨，平台就要跟着演进。\n* 你将做什么\n以推理为主，把多模态大模型稳、快、省地跑在生产上：\n设计并实现分布式推理服务的核心模块（调度、容错、资源编排、数据管道），支撑高吞吐、低延迟部署\n通过模型加速、算子融合、动态批处理、调度策略等手段，持续压低时延与成本\n和算法团队一起，把研究侧的新能力（含多模态 / 长序列 / 异构流水线）工程化进生产\n补齐工程化工具链与质量门禁（CI、灰度、可观测、自动化验证），对线上稳定性负责\n核心语言：Golang / Python\n关键词：Kubernetes・gRPC・SGLang / vLLM / TensorRT・Prometheus・分布式存储\n* 我们希望你具备\n** 必须项\n对技术充满好奇心，追求极致体验\n本科及以上，计算机 / 软件 / 电子等相关专业\nGolang 或 Python 扎实，能独立负责一个中型模块或服务\n有 AI Infra / 大模型推理 / 训练平台 / 高性能计算 任一方向的实际经验\n能从 metrics / log / trace 定位问题，对线上稳定性有敬畏",
"requirements_text": "",
"skills": [AI生成
"产品迭代管理",
"多模态AI应用",
"数据工程与数据管道",
"客户定制与二次开发",
"部署上线与环境配置",
"编程与代码实现",
"分布式/微服务系统设计",
"快速学习与自驱",
"复杂问题分析与解决",
"企业服务/SaaS知识",
"软件测试与质量工程"
],
"preferred_qualifications": "（满足其一即可\nTriton / vLLM / SGLang / TensorRT-LLM 等推理框架的二次开发或深度调优\nGPU 调度、CUDA 算子、量化（FP8 / FP4）或视频 / 多模态 serving 经验\n从 0 到 1 搭过生产级平台或中间件\n大规模 GPU 集群或容器平台的调度与多租户经验\n开源项目维护者或活跃贡献者\n* 你能拿到什么\n| 维度 | 内容 |\n| --- | --- |\n| 业务 | 从 0 到 1 参与多模态推理平台，工作直接对应生产流量和成本 |\n| 算力 | 万卡级 GPU 集群，有真实负载，也有机器做压测和调优 |\n| 团队 | 核心团队清华 AI 院背景，和一线研究者一起把模型送上线；工程团队在扩张 |\n| 影响 | 扁平、决策链短，方案能推到生产 |\n| 薪资 | 30-60K · 15 薪（按能力与经验，面谈定级）；高级岗有独立薪酬包 |\n| 期权 | 核心岗位有期权，具体比例面谈 |\n| 工作 | 弹性工作时间，周末双休 |\n| 地点 | 北京 · 海淀 |",
"job_highlights": "经验不限 | 本科"
},
"contact": {
"recruiter_name": "陈鑫",
"contact_methods": [
{
"type": "apply_link",
"value": "https://www.zhipin.com/job_detail/5967849c546960e00nJ939S6EVNV.html"
}
]
},
"posting": {
"posting_id": "5967849c546960e00nJ939S6EVNV",
"post_date": "",
"hire_time": "",
"update_date": "",
"job_url": "https://www.zhipin.com/job_detail/5967849c546960e00nJ939S6EVNV.html"
},
"fulltext": "# 工程师/AI Infra/大模型推理/分布式后端\n* 我们在做什么\n生数科技专注多模态大模型与产品，核⼼团队来⾃清华⼤学人工智能研究院。我们⾃研的多模态生成模型已在 toC 产品与 toB 行业方案中落地，工程侧要接住的是真实流量，而不是demo。\n工程团队当前的主战场是多模态大模型分布式推理平台：万卡级 GPU 集群、高并发生产流量。业务在涨，平台就要跟着演进。\n* 你将做什么\n以推理为主，把多模态大模型稳、快、省地跑在生产上：\n设计并实现分布式推理服务的核心模块（调度、容错、资源编排、数据管道），支撑高吞吐、低延迟部署\n通过模型加速、算子融合、动态批处理、调度策略等手段，持续压低时延与成本\n和算法团队一起，把研究侧的新能力（含多模态 / 长序列 / 异构流水线）工程化进生产\n补齐工程化工具链与质量门禁（CI、灰度、可观测、自动化验证），对线上稳定性负责\n核心语言：Golang / Python\n关键词：Kubernetes・gRPC・SGLang / vLLM / TensorRT・Prometheus・分布式存储\n* 我们希望你具备\n** 必须项\n对技术充满好奇心，追求极致体验\n本科及以上，计算机 / 软件 / 电子等相关专业\nGolang 或 Python 扎实，能独立负责一个中型模块或服务\n有 AI Infra / 大模型推理 / 训练平台 / 高性能计算 任一方向的实际经验\n能从 metrics / log / trace 定位问题，对线上稳定性有敬畏\n** 加分项（满足其一即可）\nTriton / vLLM / SGLang / TensorRT-LLM 等推理框架的二次开发或深度调优\nGPU 调度、CUDA 算子、量化（FP8 / FP4）或视频 / 多模态 serving 经验\n从 0 到 1 搭过生产级平台或中间件\n大规模 GPU 集群或容器平台的调度与多租户经验\n开源项目维护者或活跃贡献者\n* 你能拿到什么\n| 维度 | 内容 |\n| --- | --- |\n| 业务 | 从 0 到 1 参与多模态推理平台，工作直接对应生产流量和成本 |\n| 算力 | 万卡级 GPU 集群，有真实负载，也有机器做压测和调优 |\n| 团队 | 核心团队清华 AI 院背景，和一线研究者一起把模型送上线；工程团队在扩张 |\n| 影响 | 扁平、决策链短，方案能推到生产 |\n| 薪资 | 30-60K · 15 薪（按能力与经验，面谈定级）；高级岗有独立薪酬包 |\n| 期权 | 核心岗位有期权，具体比例面谈 |\n| 工作 | 弹性工作时间，周末双休 |\n| 地点 | 北京 · 海淀 |"
}