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 Infra研发工程师（J99641）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "ACG",
"location": "上海市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"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": "- 大模型在国产GPU上的训练和推理的优化\n- 大模型在国产GPU芯片的软硬件平台和算子的加速优化\n- AI大模型推训优化的前沿技术研究和产品落地\n- 搭建与维护评估基础设置，为大模型推训提供快速且准确的评估反馈",
"requirements_text": "- 本科及以上学历，有一定程度的计算机相关专业知识背景\n- 优秀的编码能力，熟悉Python/C/C++至少一项，有扎实的算法及数据结构基础，有良好的编程习惯\n- 熟悉容器工作原理，容器运行时、容器网络等技术\n- 熟悉PyTorch，了解Megatron、vLLM等大模型训推框架，做过测试、开发等工作\n- 对GPU芯片架构有一定了解者优先，有大规模训练推理实践经验者优先\n- 具备以下至少一个领域的深度实践经验优先：\n - 推理优化：负载均衡、模型压缩（蒸馏/量化）、缓存策略、异构计算加速\n - 训练优化：分布式训练、显存优化（如Zero/Offload）、混合精度、MoE架构调优\n- 有独立的分析问题和解决问题的能力\n- 有强烈的责任心，较强的学习能力和沟通能力\n- 实习周期至少5个月",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"数据结构",
"沟通能力",
"解决问题",
"学习能力",
"大语言模型",
"C语言"
],
"preferred_qualifications": "对GPU芯片架构有一定了解者优先，有大规模训练推理实践经验者优先；具备以下至少一个领域的深度实践经验优先：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/INTERN/3edba1e5-73f5-4dc3-b71f-5d831301bb2e"
}
]
},
"posting": {
"posting_id": "3edba1e5-73f5-4dc3-b71f-5d831301bb2e",
"post_date": "2026-05-19",
"hire_time": "实习周期至少5个月",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/INTERN/3edba1e5-73f5-4dc3-b71f-5d831301bb2e"
},
"fulltext": "AI Infra研发工程师（J99641）\nAI Infra研发工程师（J99641）\n\n基础信息\n部门：ACG\n地点：上海市\n项目：日常实习项目\n类别：技术\n招聘人数：2\n发布时间：2026-07-21\n\n工作职责\n- 大模型在国产GPU上的训练和推理的优化\n- 大模型在国产GPU芯片的软硬件平台和算子的加速优化\n- AI大模型推训优化的前沿技术研究和产品落地\n- 搭建与维护评估基础设置，为大模型推训提供快速且准确的评估反馈\n\n职责要求\n- 本科及以上学历，有一定程度的计算机相关专业知识背景\n- 优秀的编码能力，熟悉Python/C/C++至少一项，有扎实的算法及数据结构基础，有良好的编程习惯\n- 熟悉容器工作原理，容器运行时、容器网络等技术\n- 熟悉PyTorch，了解Megatron、vLLM等大模型训推框架，做过测试、开发等工作\n- 对GPU芯片架构有一定了解者优先，有大规模训练推理实践经验者优先\n- 具备以下至少一个领域的深度实践经验优先：\n - 推理优化：负载均衡、模型压缩（蒸馏/量化）、缓存策略、异构计算加速\n - 训练优化：分布式训练、显存优化（如Zero/Offload）、混合精度、MoE架构调优\n- 有独立的分析问题和解决问题的能力\n- 有强烈的责任心，较强的学习能力和沟通能力\n- 实习周期至少5个月\n- 大模型在国产GPU上的训练和推理的优化\n- 大模型在国产GPU芯片的软硬件平台和算子的加速优化\n- AI大模型推训优化的前沿技术研究和产品落地\n- 搭建与维护评估基础设置，为大模型推训提供快速且准确的评估反馈\n- 本科及以上学历，有一定程度的计算机相关专业知识背景\n- 优秀的编码能力，熟悉Python/C/C++至少一项，有扎实的算法及数据结构基础，有良好的编程习惯\n- 熟悉容器工作原理，容器运行时、容器网络等技术\n- 熟悉PyTorch，了解Megatron、vLLM等大模型训推框架，做过测试、开发等工作\n- 对GPU芯片架构有一定了解者优先，有大规模训练推理实践经验者优先\n- 具备以下至少一个领域的深度实践经验优先：\n - 推理优化：负载均衡、模型压缩（蒸馏/量化）、缓存策略、异构计算加速\n - 训练优化：分布式训练、显存优化（如Zero/Offload）、混合精度、MoE架构调优\n- 有独立的分析问题和解决问题的能力\n- 有强烈的责任心，较强的学习能力和沟通能力\n- 实习周期至少5个月",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}