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AI Infra底软/硬件加速工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海 / 北京",
"work_mode": "未披露",AI生成
"job_category": "J1013"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "大模型AI Infra底软/硬件加速工程师\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：J1013\n工作地点：上海 / 北京\n发布时间：2026-04-23\n\n岗位职责\n1、负责视频生成大模型/多模态大模型在最新硬件平台上的训练/推理性能分析与优化，目标达成该硬件平台上的极限性能；\n2、负责分析并提升大规模分布式训练系统的集群性能，完成对大规模训练任务故障的根因定位与稳定性提升。\n\n任职要求\n1、掌握Python/C++编程语言，熟练使用Pytorch训练框架或SGlang/vLLM等大模型推理框架；\n2、掌握大模型领域基础算法知识，熟悉常规Transformer/SD模型结构，以及对应的常用性能优化方法；\n3、深刻理解GPU硬件体系结构，能熟练编写高性能cuda kernel。\n加分项：\n1、有分布式大模型训练框架(Megatron/FSDP)或分布式推理引擎开发经验者优先；\n2、有在超节点硬件环境上，做过训练/推理性能优化者优先；\n3、有GPU高性能算子库（Cutlass/Cute、PTX、汇编）、集合通信库（xCCL）、AI编译器(XLA/Dynamo)开发经验者优先。",
"requirements_text": "大模型AI Infra底软/硬件加速工程师\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：J1013\n工作地点：上海 / 北京\n发布时间：2026-04-23\n\n岗位职责\n1、负责视频生成大模型/多模态大模型在最新硬件平台上的训练/推理性能分析与优化，目标达成该硬件平台上的极限性能；\n2、负责分析并提升大规模分布式训练系统的集群性能，完成对大规模训练任务故障的根因定位与稳定性提升。\n\n任职要求\n1、掌握Python/C++编程语言，熟练使用Pytorch训练框架或SGlang/vLLM等大模型推理框架；\n2、掌握大模型领域基础算法知识，熟悉常规Transformer/SD模型结构，以及对应的常用性能优化方法；\n3、深刻理解GPU硬件体系结构，能熟练编写高性能cuda kernel。\n加分项：\n1、有分布式大模型训练框架(Megatron/FSDP)或分布式推理引擎开发经验者优先；\n2、有在超节点硬件环境上，做过训练/推理性能优化者优先；\n3、有GPU高性能算子库（Cutlass/Cute、PTX、汇编）、集合通信库（xCCL）、AI编译器(XLA/Dynamo)开发经验者优先。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"模型训练",
"性能优化",
"招聘",
"大语言模型"
],
"preferred_qualifications": "加分项：；1、有分布式大模型训练框架(Megatron/FSDP)或分布式推理引擎开发经验者优先；2、有在超节点硬件环境上，做过训练/推理性能优化者优先；3、有GPU高性能算子库（Cutlass/Cute、PTX、汇编）、集合通信库（xCCL）、AI编译器(XLA/Dynamo)开发经验者优先",
"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/12607?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "12607",
"post_date": "2026-04-23",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12607?recruitSubProjectCodes="
},
"fulltext": "大模型AI Infra底软/硬件加速工程师\n大模型AI Infra底软/硬件加速工程师\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：J1013\n工作地点：上海 / 北京\n发布时间：2026-04-23\n\n岗位职责\n1、负责视频生成大模型/多模态大模型在最新硬件平台上的训练/推理性能分析与优化，目标达成该硬件平台上的极限性能；\n2、负责分析并提升大规模分布式训练系统的集群性能，完成对大规模训练任务故障的根因定位与稳定性提升。\n\n任职要求\n1、掌握Python/C++编程语言，熟练使用Pytorch训练框架或SGlang/vLLM等大模型推理框架；\n2、掌握大模型领域基础算法知识，熟悉常规Transformer/SD模型结构，以及对应的常用性能优化方法；\n3、深刻理解GPU硬件体系结构，能熟练编写高性能cuda kernel。\n加分项：\n1、有分布式大模型训练框架(Megatron/FSDP)或分布式推理引擎开发经验者优先；\n2、有在超节点硬件环境上，做过训练/推理性能优化者优先；\n3、有GPU高性能算子库（Cutlass/Cute、PTX、汇编）、集合通信库（xCCL）、AI编译器(XLA/Dynamo)开发经验者优先。\n大模型AI Infra底软/硬件加速工程师\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：J1013\n工作地点：上海 / 北京\n发布时间：2026-04-23\n\n岗位职责\n1、负责视频生成大模型/多模态大模型在最新硬件平台上的训练/推理性能分析与优化，目标达成该硬件平台上的极限性能；\n2、负责分析并提升大规模分布式训练系统的集群性能，完成对大规模训练任务故障的根因定位与稳定性提升。\n\n任职要求\n1、掌握Python/C++编程语言，熟练使用Pytorch训练框架或SGlang/vLLM等大模型推理框架；\n2、掌握大模型领域基础算法知识，熟悉常规Transformer/SD模型结构，以及对应的常用性能优化方法；\n3、深刻理解GPU硬件体系结构，能熟练编写高性能cuda kernel。\n加分项：\n1、有分布式大模型训练框架(Megatron/FSDP)或分布式推理引擎开发经验者优先；\n2、有在超节点硬件环境上，做过训练/推理性能优化者优先；\n3、有GPU高性能算子库（Cutlass/Cute、PTX、汇编）、集合通信库（xCCL）、AI编译器(XLA/Dynamo)开发经验者优先。\n大模型AI Infra底软/硬件加速工程师\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：J1013\n工作地点：上海 / 北京\n发布时间：2026-04-23\n\n岗位职责\n1、负责视频生成大模型/多模态大模型在最新硬件平台上的训练/推理性能分析与优化，目标达成该硬件平台上的极限性能；\n2、负责分析并提升大规模分布式训练系统的集群性能，完成对大规模训练任务故障的根因定位与稳定性提升。\n\n任职要求\n1、掌握Python/C++编程语言，熟练使用Pytorch训练框架或SGlang/vLLM等大模型推理框架；\n2、掌握大模型领域基础算法知识，熟悉常规Transformer/SD模型结构，以及对应的常用性能优化方法；\n3、深刻理解GPU硬件体系结构，能熟练编写高性能cuda kernel。\n加分项：\n1、有分布式大模型训练框架(Megatron/FSDP)或分布式推理引擎开发经验者优先；\n2、有在超节点硬件环境上，做过训练/推理性能优化者优先；\n3、有GPU高性能算子库（Cutlass/Cute、PTX、汇编）、集合通信库（xCCL）、AI编译器(XLA/Dynamo)开发经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}