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": "百度公有云异构加速工程师（J91679）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "ACG",
"location": "北京市,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": 5,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "训练框架二次开发与优化（大语言模型与多模态模型）\n-基于 Megatron-LM / DeepSpeed / Verl 等框架，进行并行策略及显存的优化\n-集群化的 SFT、RLHF 等训练稳定性与吞吐优化\n-多模态图文/视频/音频数据跨模态对齐训练\n推理加速与集群化部署（大语言模型与多模态模型）\n-PD 分离框架开发与优化\n-落地量化、投机解码等优化策略\n-基于新的异构硬件做算子开发适配与算子性能优化\n性能观测与调优\n-利用 PyTorch Profiler、Nsight Systems 等工具定位分析性能瓶颈并产出优化方案",
"requirements_text": "基础\n-计算机相关专业，5 年以上高性能计算/深度学习系统经验\n-精通 PyTorch / CUDA，精通 Megatron-LM / Deepspeed / Verl 或 sglang / vllm，熟悉 C++/Python 混合开发，熟悉 Ray 等分布式框架\n-深入理解 Transformer、Diffusion、MoE 等模型结构\n加分项\n-主导过大模型训练或千卡级训推集群性能调优\n-开源训推框架的贡献者\n-对 TPU、Ascend、AMD MI300 等异构芯片有移植经验",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"深度学习",
"模型训练",
"性能调优",
"大语言模型"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/f00931c0-26b1-4b50-9c98-53fc531a4bfc"
}
]
},
"posting": {
"posting_id": "f00931c0-26b1-4b50-9c98-53fc531a4bfc",
"post_date": "2025-08-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/f00931c0-26b1-4b50-9c98-53fc531a4bfc"
},
"fulltext": "百度公有云异构加速工程师（J91679）\n百度公有云异构加速工程师（J91679）\n\n基础信息\n部门：ACG\n地点：北京市,上海市\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训练框架二次开发与优化（大语言模型与多模态模型）\n-基于 Megatron-LM / DeepSpeed / Verl 等框架，进行并行策略及显存的优化\n-集群化的 SFT、RLHF 等训练稳定性与吞吐优化\n-多模态图文/视频/音频数据跨模态对齐训练\n推理加速与集群化部署（大语言模型与多模态模型）\n-PD 分离框架开发与优化\n-落地量化、投机解码等优化策略\n-基于新的异构硬件做算子开发适配与算子性能优化\n性能观测与调优\n-利用 PyTorch Profiler、Nsight Systems 等工具定位分析性能瓶颈并产出优化方案\n\n职责要求\n基础\n-计算机相关专业，5 年以上高性能计算/深度学习系统经验\n-精通 PyTorch / CUDA，精通 Megatron-LM / Deepspeed / Verl 或 sglang / vllm，熟悉 C++/Python 混合开发，熟悉 Ray 等分布式框架\n-深入理解 Transformer、Diffusion、MoE 等模型结构\n加分项\n-主导过大模型训练或千卡级训推集群性能调优\n-开源训推框架的贡献者\n-对 TPU、Ascend、AMD MI300 等异构芯片有移植经验\n训练框架二次开发与优化（大语言模型与多模态模型）\n-基于 Megatron-LM / DeepSpeed / Verl 等框架，进行并行策略及显存的优化\n-集群化的 SFT、RLHF 等训练稳定性与吞吐优化\n-多模态图文/视频/音频数据跨模态对齐训练\n推理加速与集群化部署（大语言模型与多模态模型）\n-PD 分离框架开发与优化\n-落地量化、投机解码等优化策略\n-基于新的异构硬件做算子开发适配与算子性能优化\n性能观测与调优\n-利用 PyTorch Profiler、Nsight Systems 等工具定位分析性能瓶颈并产出优化方案\n基础\n-计算机相关专业，5 年以上高性能计算/深度学习系统经验\n-精通 PyTorch / CUDA，精通 Megatron-LM / Deepspeed / Verl 或 sglang / vllm，熟悉 C++/Python 混合开发，熟悉 Ray 等分布式框架\n-深入理解 Transformer、Diffusion、MoE 等模型结构\n加分项\n-主导过大模型训练或千卡级训推集群性能调优\n-开源训推框架的贡献者\n-对 TPU、Ascend、AMD MI300 等异构芯片有移植经验",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}