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": "大模型异构训练推理研发工程师（J96922）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "ACG",
"location": "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": "-本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-负责 AIGC 大模型在训练与推理场景下的工程化调优工作，覆盖模型适配、框架适配、参数配置与上线发布，保障模型在国产算力平台上的稳定运行与可用性\n-针对大模型训练与推理性能瓶颈开展系统性优化，包括显存管理、并行策略（TP / PP / DP）、算子与内核优化、低精度与 LoRA 等方案落地，持续提升吞吐、时延与资源利用率，满足业务级 SLA 要求\n-承担国产算力平台（国产 GPU ）的大模型适配与问题闭环，定位并解决算子及框架兼容性问题，形成标准化适配流程与交付方案\n-搭建并维护模型推训评估与测试体系，建设性能、精度、稳定性与回归测试能力，为模型上线、版本迭代及客户交付提供快速、可信的评估结果与决策依据\n-深度参与客户项目交付与驻厂支持，作为技术负责人快速响应和处理模型部署、性能、精度及稳定性问题，协调多团队推进问题解决，确保项目按期交付和长期稳定运行",
"requirements_text": "-本科及以上学历，计算机、软件工程或相关专业背景，具备扎实的计算机系统与工程基础\n-具备优秀的工程编码能力，熟悉 Python / C / C++ 中至少一门，具备良好的代码规范意识；理解常见数据结构与算法，能够支撑复杂系统的调试与优化工作\n-熟悉容器化与云原生基础技术，理解 容器运行时、镜像机制、容器网络与资源隔离原理，具备容器环境下部署与排障经验\n-熟悉 PyTorch 框架，熟悉Megatron-LM、vLLM、sglang、TensorRT-LLM、DeepSpeed 等大模型训练或推理框架，具备框架二次开发经验\n-了解 GPU 计算与并行基本原理，对 GPU 架构、显存模型或算子执行流程有一定认知；具备 大规模模型训练或推理实战经验者优先\n-在以下至少一个方向具备较深入的工程实践经验者优先：推理优化方向：负载均衡与调度、KV Cache / 缓存策略、模型压缩（量化 / 蒸馏）、多卡与异构计算加速；训练优化方向：分布式训练（DP / TP / PP）、显存优化（ZeRO / Offload）、混合精度训练、MoE 模型训练与调优\n-具备良好的问题分析与定位能力，能够独立完成复杂问题的排查、定位和解决，并推动问题形成闭环\n-具备较强的责任心与执行力，良好的学习能力与沟通协作能力，能够在项目交付和跨团队协作场景中承担关键技术角色",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"数据结构",
"模型训练",
"团队协作",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "具备 大规模模型训练或推理实战经验者优先；在以下至少一个方向具备较深入的工程实践经验者优先：推理优化方向：负载均衡与调度、KV Cache / 缓存策略、模型压缩（量化 / 蒸馏）、多卡与异构计算加速",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/a93e562d-5bb3-4104-9875-9d68a4223335"
}
]
},
"posting": {
"posting_id": "a93e562d-5bb3-4104-9875-9d68a4223335",
"post_date": "2026-01-22",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/a93e562d-5bb3-4104-9875-9d68a4223335"
},
"fulltext": "大模型异构训练推理研发工程师（J96922）\n大模型异构训练推理研发工程师（J96922）\n\n基础信息\n部门：ACG\n地点：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 AIGC 大模型在训练与推理场景下的工程化调优工作，覆盖模型适配、框架适配、参数配置与上线发布，保障模型在国产算力平台上的稳定运行与可用性\n-针对大模型训练与推理性能瓶颈开展系统性优化，包括显存管理、并行策略（TP / PP / DP）、算子与内核优化、低精度与 LoRA 等方案落地，持续提升吞吐、时延与资源利用率，满足业务级 SLA 要求\n-承担国产算力平台（国产 GPU ）的大模型适配与问题闭环，定位并解决算子及框架兼容性问题，形成标准化适配流程与交付方案\n-搭建并维护模型推训评估与测试体系，建设性能、精度、稳定性与回归测试能力，为模型上线、版本迭代及客户交付提供快速、可信的评估结果与决策依据\n-深度参与客户项目交付与驻厂支持，作为技术负责人快速响应和处理模型部署、性能、精度及稳定性问题，协调多团队推进问题解决，确保项目按期交付和长期稳定运行\n\n职责要求\n-本科及以上学历，计算机、软件工程或相关专业背景，具备扎实的计算机系统与工程基础\n-具备优秀的工程编码能力，熟悉 Python / C / C++ 中至少一门，具备良好的代码规范意识；理解常见数据结构与算法，能够支撑复杂系统的调试与优化工作\n-熟悉容器化与云原生基础技术，理解 容器运行时、镜像机制、容器网络与资源隔离原理，具备容器环境下部署与排障经验\n-熟悉 PyTorch 框架，熟悉Megatron-LM、vLLM、sglang、TensorRT-LLM、DeepSpeed 等大模型训练或推理框架，具备框架二次开发经验\n-了解 GPU 计算与并行基本原理，对 GPU 架构、显存模型或算子执行流程有一定认知；具备 大规模模型训练或推理实战经验者优先\n-在以下至少一个方向具备较深入的工程实践经验者优先：推理优化方向：负载均衡与调度、KV Cache / 缓存策略、模型压缩（量化 / 蒸馏）、多卡与异构计算加速；训练优化方向：分布式训练（DP / TP / PP）、显存优化（ZeRO / Offload）、混合精度训练、MoE 模型训练与调优\n-具备良好的问题分析与定位能力，能够独立完成复杂问题的排查、定位和解决，并推动问题形成闭环\n-具备较强的责任心与执行力，良好的学习能力与沟通协作能力，能够在项目交付和跨团队协作场景中承担关键技术角色\n-负责 AIGC 大模型在训练与推理场景下的工程化调优工作，覆盖模型适配、框架适配、参数配置与上线发布，保障模型在国产算力平台上的稳定运行与可用性\n-针对大模型训练与推理性能瓶颈开展系统性优化，包括显存管理、并行策略（TP / PP / DP）、算子与内核优化、低精度与 LoRA 等方案落地，持续提升吞吐、时延与资源利用率，满足业务级 SLA 要求\n-承担国产算力平台（国产 GPU ）的大模型适配与问题闭环，定位并解决算子及框架兼容性问题，形成标准化适配流程与交付方案\n-搭建并维护模型推训评估与测试体系，建设性能、精度、稳定性与回归测试能力，为模型上线、版本迭代及客户交付提供快速、可信的评估结果与决策依据\n-深度参与客户项目交付与驻厂支持，作为技术负责人快速响应和处理模型部署、性能、精度及稳定性问题，协调多团队推进问题解决，确保项目按期交付和长期稳定运行\n-本科及以上学历，计算机、软件工程或相关专业背景，具备扎实的计算机系统与工程基础\n-具备优秀的工程编码能力，熟悉 Python / C / C++ 中至少一门，具备良好的代码规范意识；理解常见数据结构与算法，能够支撑复杂系统的调试与优化工作\n-熟悉容器化与云原生基础技术，理解 容器运行时、镜像机制、容器网络与资源隔离原理，具备容器环境下部署与排障经验\n-熟悉 PyTorch 框架，熟悉Megatron-LM、vLLM、sglang、TensorRT-LLM、DeepSpeed 等大模型训练或推理框架，具备框架二次开发经验\n-了解 GPU 计算与并行基本原理，对 GPU 架构、显存模型或算子执行流程有一定认知；具备 大规模模型训练或推理实战经验者优先\n-在以下至少一个方向具备较深入的工程实践经验者优先：推理优化方向：负载均衡与调度、KV Cache / 缓存策略、模型压缩（量化 / 蒸馏）、多卡与异构计算加速；训练优化方向：分布式训练（DP / TP / PP）、显存优化（ZeRO / Offload）、混合精度训练、MoE 模型训练与调优\n-具备良好的问题分析与定位能力，能够独立完成复杂问题的排查、定位和解决，并推动问题形成闭环\n-具备较强的责任心与执行力，良好的学习能力与沟通协作能力，能够在项目交付和跨团队协作场景中承担关键技术角色",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}