{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "【留用实习】异构计算性能优化工程师",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "J1020"AI生成
    },
    "company": {
        "company_name": "快手科技",
        "company_industry": "内容社区 / 直播 / 电商 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "kuaishou.com",
        "company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机、电子工程、人工智能等相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "【留用实习】异构计算性能优化工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-03-27\n\n岗位职责\n1. 硬件架构选型与设计：根据公司AI业务场景（大模型训练、AIGC、推荐系统等），主导GPU/AI加速器的架构评估与选型决策，制定符合业务需求的解决方案。\n2. 性能评估与优化：深入研究AI算法（深度学习、CV、NLP、多模态等）的计算特征，建立GPU/异构硬件的性能评测体系，输出优化建议并推动落地，提升训练与推理效率。\n3. 技术趋势洞察：跟踪多元GPU/AI芯片的技术演进，结合公司业务战略，规划硬件技术路线图。\n4. 软硬件协同优化：与算法团队、系统团队深度协作，开展算子优化、显存优化、通信优化等工作，打通从算法需求到硬件性能的全链路。\n5. 技术方案落地：撰写技术方案文档，推动硬件选型决策的标准化与规模化复制，支持AI业务快速迭代。\n\n任职要求\n1. 计算机、电子工程、人工智能等相关专业本科及以上学历，硕士或博士优先；\n2. 扎实的AI理论基础：深入理解深度学习框架（TensorFlow/PyTorch）及主流模型架构；\n3. 硬件性能调优经验：熟悉GPU体系架构，具备CUDA/ROCm编程或性能 profiling 实战经验；\n4. 系统级视野：了解AI训练/推理的全栈性能瓶颈，能够从算法、框架、硬件多维度分析问题。",
        "requirements_text": "【留用实习】异构计算性能优化工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-03-27\n\n岗位职责\n1. 硬件架构选型与设计：根据公司AI业务场景（大模型训练、AIGC、推荐系统等），主导GPU/AI加速器的架构评估与选型决策，制定符合业务需求的解决方案。\n2. 性能评估与优化：深入研究AI算法（深度学习、CV、NLP、多模态等）的计算特征，建立GPU/异构硬件的性能评测体系，输出优化建议并推动落地，提升训练与推理效率。\n3. 技术趋势洞察：跟踪多元GPU/AI芯片的技术演进，结合公司业务战略，规划硬件技术路线图。\n4. 软硬件协同优化：与算法团队、系统团队深度协作，开展算子优化、显存优化、通信优化等工作，打通从算法需求到硬件性能的全链路。\n5. 技术方案落地：撰写技术方案文档，推动硬件选型决策的标准化与规模化复制，支持AI业务快速迭代。\n\n任职要求\n1. 计算机、电子工程、人工智能等相关专业本科及以上学历，硕士或博士优先；\n2. 扎实的AI理论基础：深入理解深度学习框架（TensorFlow/PyTorch）及主流模型架构；\n3. 硬件性能调优经验：熟悉GPU体系架构，具备CUDA/ROCm编程或性能 profiling 实战经验；\n4. 系统级视野：了解AI训练/推理的全栈性能瓶颈，能够从算法、框架、硬件多维度分析问题。",
        "skills": [AI生成
            "PyTorch",
            "TensorFlow",
            "CUDA",
            "深度学习",
            "自然语言处理",
            "模型训练",
            "性能优化",
            "性能调优",
            "招聘",
            "大语言模型"
        ],
        "preferred_qualifications": "1. 计算机、电子工程、人工智能等相关专业本科及以上学历，硕士或博士优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12475?recruitSubProjectCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "12475",
        "post_date": "2026-03-27",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12475?recruitSubProjectCodes="
    },
    "fulltext": "【留用实习】异构计算性能优化工程师\n【留用实习】异构计算性能优化工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-03-27\n\n岗位职责\n1. 硬件架构选型与设计：根据公司AI业务场景（大模型训练、AIGC、推荐系统等），主导GPU/AI加速器的架构评估与选型决策，制定符合业务需求的解决方案。\n2. 性能评估与优化：深入研究AI算法（深度学习、CV、NLP、多模态等）的计算特征，建立GPU/异构硬件的性能评测体系，输出优化建议并推动落地，提升训练与推理效率。\n3. 技术趋势洞察：跟踪多元GPU/AI芯片的技术演进，结合公司业务战略，规划硬件技术路线图。\n4. 软硬件协同优化：与算法团队、系统团队深度协作，开展算子优化、显存优化、通信优化等工作，打通从算法需求到硬件性能的全链路。\n5. 技术方案落地：撰写技术方案文档，推动硬件选型决策的标准化与规模化复制，支持AI业务快速迭代。\n\n任职要求\n1. 计算机、电子工程、人工智能等相关专业本科及以上学历，硕士或博士优先；\n2. 扎实的AI理论基础：深入理解深度学习框架（TensorFlow/PyTorch）及主流模型架构；\n3. 硬件性能调优经验：熟悉GPU体系架构，具备CUDA/ROCm编程或性能 profiling 实战经验；\n4. 系统级视野：了解AI训练/推理的全栈性能瓶颈，能够从算法、框架、硬件多维度分析问题。\n【留用实习】异构计算性能优化工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-03-27\n\n岗位职责\n1. 硬件架构选型与设计：根据公司AI业务场景（大模型训练、AIGC、推荐系统等），主导GPU/AI加速器的架构评估与选型决策，制定符合业务需求的解决方案。\n2. 性能评估与优化：深入研究AI算法（深度学习、CV、NLP、多模态等）的计算特征，建立GPU/异构硬件的性能评测体系，输出优化建议并推动落地，提升训练与推理效率。\n3. 技术趋势洞察：跟踪多元GPU/AI芯片的技术演进，结合公司业务战略，规划硬件技术路线图。\n4. 软硬件协同优化：与算法团队、系统团队深度协作，开展算子优化、显存优化、通信优化等工作，打通从算法需求到硬件性能的全链路。\n5. 技术方案落地：撰写技术方案文档，推动硬件选型决策的标准化与规模化复制，支持AI业务快速迭代。\n\n任职要求\n1. 计算机、电子工程、人工智能等相关专业本科及以上学历，硕士或博士优先；\n2. 扎实的AI理论基础：深入理解深度学习框架（TensorFlow/PyTorch）及主流模型架构；\n3. 硬件性能调优经验：熟悉GPU体系架构，具备CUDA/ROCm编程或性能 profiling 实战经验；\n4. 系统级视野：了解AI训练/推理的全栈性能瓶颈，能够从算法、框架、硬件多维度分析问题。\n【留用实习】异构计算性能优化工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-03-27\n\n岗位职责\n1. 硬件架构选型与设计：根据公司AI业务场景（大模型训练、AIGC、推荐系统等），主导GPU/AI加速器的架构评估与选型决策，制定符合业务需求的解决方案。\n2. 性能评估与优化：深入研究AI算法（深度学习、CV、NLP、多模态等）的计算特征，建立GPU/异构硬件的性能评测体系，输出优化建议并推动落地，提升训练与推理效率。\n3. 技术趋势洞察：跟踪多元GPU/AI芯片的技术演进，结合公司业务战略，规划硬件技术路线图。\n4. 软硬件协同优化：与算法团队、系统团队深度协作，开展算子优化、显存优化、通信优化等工作，打通从算法需求到硬件性能的全链路。\n5. 技术方案落地：撰写技术方案文档，推动硬件选型决策的标准化与规模化复制，支持AI业务快速迭代。\n\n任职要求\n1. 计算机、电子工程、人工智能等相关专业本科及以上学历，硕士或博士优先；\n2. 扎实的AI理论基础：深入理解深度学习框架（TensorFlow/PyTorch）及主流模型架构；\n3. 硬件性能调优经验：熟悉GPU体系架构，具备CUDA/ROCm编程或性能 profiling 实战经验；\n4. 系统级视野：了解AI训练/推理的全栈性能瓶颈，能够从算法、框架、硬件多维度分析问题。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}