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": "大模型推理架构研发工程师（J95970）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "基础模型研发部",
"location": "北京市,上海市,深圳市",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-负责百度文心大模型的推理性能优化\n-参与飞桨深度学习平台（ PaddlePaddle）推理框架的设计、开发和业务支持\n-负责深度学习框架的性能优化工作，包括但不限于功能模块在CPU/GPU上的深度优化工作\n-负责深度学习推理框架前瞻技术的跟踪调研，实现技术创新突破\n-参与深度学习框架的易用性优化工作，使开发者能够以更简单的方式实现各类任务，降低学习成本和开发成本\n-负责异构高性能计算平台的设计、研发，高性能计算库、通信库开发与优化\n-支持百度萝卜快跑、搜索等业务大模型的推理性能优化",
"requirements_text": "-热爱编程，精通C++/Python，精通CUDA 编程\n-具有独立开发能力，精通计算机体系结构，有汇编级别开发经验，对AI算法和主流框架有丰富的应用或开发经验\n-了解FlashAttention、PagedAttention、MoE、Chunked Prefill 等大模型核心技术；\n-了解常见的大模型量化算法（如AWQ、GPTQ、SmoothQuant 等）及量化算子的实现；\n-了解大模型通信算子（如Allreduce 等）及计算通信 overlap 实现；\n-有分离式部署（PD 分离）开发经验。\n软素质：\n-目标驱动，并有探索精神\n-团队协作及沟通能力\n-具备分析和解决问题的能力\n-有极强的学习能力和知识迁移能力\n具有以下条件者优先：\n-精通PaddlePaddle、Pytorch、TensorFlow等主流开源框架，做过源码级优化移植等工作，有 vLLM、TGI、SGLang、TensorRT-LLM等大模型推理框架的使用或优化经验；",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"CUDA",
"团队协作",
"沟通能力",
"解决问题",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "具有以下条件者优先：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/495f5822-a881-4285-bf30-3bc5b1e376b1"
}
]
},
"posting": {
"posting_id": "495f5822-a881-4285-bf30-3bc5b1e376b1",
"post_date": "2026-01-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/495f5822-a881-4285-bf30-3bc5b1e376b1"
},
"fulltext": "大模型推理架构研发工程师（J95970）\n大模型推理架构研发工程师（J95970）\n\n基础信息\n部门：基础模型研发部\n地点：北京市,上海市,深圳市\n类别：技术\n招聘人数：6\n发布时间：2026-07-21\n\n工作职责\n-负责百度文心大模型的推理性能优化\n-参与飞桨深度学习平台（ PaddlePaddle）推理框架的设计、开发和业务支持\n-负责深度学习框架的性能优化工作，包括但不限于功能模块在CPU/GPU上的深度优化工作\n-负责深度学习推理框架前瞻技术的跟踪调研，实现技术创新突破\n-参与深度学习框架的易用性优化工作，使开发者能够以更简单的方式实现各类任务，降低学习成本和开发成本\n-负责异构高性能计算平台的设计、研发，高性能计算库、通信库开发与优化\n-支持百度萝卜快跑、搜索等业务大模型的推理性能优化\n\n职责要求\n-热爱编程，精通C++/Python，精通CUDA 编程\n-具有独立开发能力，精通计算机体系结构，有汇编级别开发经验，对AI算法和主流框架有丰富的应用或开发经验\n-了解FlashAttention、PagedAttention、MoE、Chunked Prefill 等大模型核心技术；\n-了解常见的大模型量化算法（如AWQ、GPTQ、SmoothQuant 等）及量化算子的实现；\n-了解大模型通信算子（如Allreduce 等）及计算通信 overlap 实现；\n-有分离式部署（PD 分离）开发经验。\n软素质：\n-目标驱动，并有探索精神\n-团队协作及沟通能力\n-具备分析和解决问题的能力\n-有极强的学习能力和知识迁移能力\n具有以下条件者优先：\n-精通PaddlePaddle、Pytorch、TensorFlow等主流开源框架，做过源码级优化移植等工作，有 vLLM、TGI、SGLang、TensorRT-LLM等大模型推理框架的使用或优化经验；\n-负责百度文心大模型的推理性能优化\n-参与飞桨深度学习平台（ PaddlePaddle）推理框架的设计、开发和业务支持\n-负责深度学习框架的性能优化工作，包括但不限于功能模块在CPU/GPU上的深度优化工作\n-负责深度学习推理框架前瞻技术的跟踪调研，实现技术创新突破\n-参与深度学习框架的易用性优化工作，使开发者能够以更简单的方式实现各类任务，降低学习成本和开发成本\n-负责异构高性能计算平台的设计、研发，高性能计算库、通信库开发与优化\n-支持百度萝卜快跑、搜索等业务大模型的推理性能优化\n-热爱编程，精通C++/Python，精通CUDA 编程\n-具有独立开发能力，精通计算机体系结构，有汇编级别开发经验，对AI算法和主流框架有丰富的应用或开发经验\n-了解FlashAttention、PagedAttention、MoE、Chunked Prefill 等大模型核心技术；\n-了解常见的大模型量化算法（如AWQ、GPTQ、SmoothQuant 等）及量化算子的实现；\n-了解大模型通信算子（如Allreduce 等）及计算通信 overlap 实现；\n-有分离式部署（PD 分离）开发经验。\n软素质：\n-目标驱动，并有探索精神\n-团队协作及沟通能力\n-具备分析和解决问题的能力\n-有极强的学习能力和知识迁移能力\n具有以下条件者优先：\n-精通PaddlePaddle、Pytorch、TensorFlow等主流开源框架，做过源码级优化移植等工作，有 vLLM、TGI、SGLang、TensorRT-LLM等大模型推理框架的使用或优化经验；",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}