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": "上海-AI Infra工程师(J100732)",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"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": "-负责大模型训练/推理基础设施的设计与优化，包括分布式训练框架、推理引擎、模型压缩部署等\n-深入优化计算效率，探索混合精度、量化（INT8/FP16）、KV Cache等技术的工程实践\n-与算法团队协作，推动大模型在异构硬件（GPU/NPU）上的高效运行\n-参与AI系统架构设计，提升训练和推理的吞吐量与稳定性\n-关注AI Infra前沿进展，将CUDA/XLA优化、算子融合等技术应用于实际系统",
"requirements_text": "-本科及以上学历，计算机、软件工程等相关专业优先\n-熟悉分布式系统与并行计算，有CUDA编程或高性能计算经验者优先\n-掌握C++/Python，有深度学习框架（PyTorch/PaddlePaddle）使用经验\n-理解模型量化、推理优化、显存管理等技术原理\n-有大模型训练/推理系统相关项目或实习经历者优先",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"深度学习",
"分布式系统",
"模型训练",
"大语言模型"
],
"preferred_qualifications": "本科及以上学历，计算机、软件工程等相关专业优先；熟悉分布式系统与并行计算，有CUDA编程或高性能计算经验者优先；有大模型训练/推理系统相关项目或实习经历者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/GRADUATE/df1e79e6-b6cc-4300-acf2-2e0d0a5a3eaf"
}
]
},
"posting": {
"posting_id": "df1e79e6-b6cc-4300-acf2-2e0d0a5a3eaf",
"post_date": "2026-07-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/df1e79e6-b6cc-4300-acf2-2e0d0a5a3eaf"
},
"fulltext": "上海-AI Infra工程师(J100732)\n上海-AI Infra工程师(J100732)\n\n基础信息\n地点：上海市\n项目：校招\n类别：技术\n招聘人数：5\n发布时间：2026-07-21\n\n工作职责\n-负责大模型训练/推理基础设施的设计与优化，包括分布式训练框架、推理引擎、模型压缩部署等\n-深入优化计算效率，探索混合精度、量化（INT8/FP16）、KV Cache等技术的工程实践\n-与算法团队协作，推动大模型在异构硬件（GPU/NPU）上的高效运行\n-参与AI系统架构设计，提升训练和推理的吞吐量与稳定性\n-关注AI Infra前沿进展，将CUDA/XLA优化、算子融合等技术应用于实际系统\n\n职责要求\n-本科及以上学历，计算机、软件工程等相关专业优先\n-熟悉分布式系统与并行计算，有CUDA编程或高性能计算经验者优先\n-掌握C++/Python，有深度学习框架（PyTorch/PaddlePaddle）使用经验\n-理解模型量化、推理优化、显存管理等技术原理\n-有大模型训练/推理系统相关项目或实习经历者优先\n-负责大模型训练/推理基础设施的设计与优化，包括分布式训练框架、推理引擎、模型压缩部署等\n-深入优化计算效率，探索混合精度、量化（INT8/FP16）、KV Cache等技术的工程实践\n-与算法团队协作，推动大模型在异构硬件（GPU/NPU）上的高效运行\n-参与AI系统架构设计，提升训练和推理的吞吐量与稳定性\n-关注AI Infra前沿进展，将CUDA/XLA优化、算子融合等技术应用于实际系统\n-本科及以上学历，计算机、软件工程等相关专业优先\n-熟悉分布式系统与并行计算，有CUDA编程或高性能计算经验者优先\n-掌握C++/Python，有深度学习框架（PyTorch/PaddlePaddle）使用经验\n-理解模型量化、推理优化、显存管理等技术原理\n-有大模型训练/推理系统相关项目或实习经历者优先",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}