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": "AI研发工程师（国产化芯片适配）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "智企事业部",
"location": "杭州市",
"work_mode": "未披露",AI生成
"job_category": "人工智能"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 0,
"degree": "不限",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责算法服务的性能优化加速，提升服务并发能力、降低时延，提升算法服务的部署效率与稳定性。\n2、负责算法服务部署架构的设计与开发，面向多模态（图像、音频、文本、视频）、大模型及Agent工作流等核心场景，制定场景化的部署方案并持续进行性能调优，确保推理服务的高效、稳定与可扩展。\n3、参与算法服务国产化芯片适配，完成模型适配、精度对齐、效果验证以及性能优化。\n4、参与算法服务移动端部署，封装移动端SDK、测试端上模型的效果与性能，保证稳定性。\n5、持续跟进算法模型部署的技术演进，关注大模型推理优化、Agent工作流编排与调度、端上部署(移动端、边缘端)、模型轻量化技术(量化、剪枝、蒸馏)及端云协同推理等前沿方向，持续提升多场景部署效能。",
"requirements_text": "1、计算机科学、人工智能、电子信息等相关专业，本科及以上学历。\n2、熟悉tensorrt、triton server、vLLM、TensorRT-LLM、RTP-LLM、SGLang等模型推理部署框架，并在至少一个框架上有深度实践经验。\n3、熟悉剪枝、量化、蒸馏、KV Cache、PagedAttention等模型部署与性能优化相关技术。能针对具体场景的数据与业务特点，优化模型部署性能。有大模型线上部署与性能优化相关经验优先。\n4、熟悉昇腾、寒武纪、海光等国产AI芯片的模型适配，同时熟悉端侧模型部署技术，掌握主流推理引擎与轻量化技术。\n5、熟悉大模型推理部署流程与工程化方案，同时了解Agent服务化部署，能够完成大模型Agent工作流的工程落地。\n6、熟练掌握Python/C++编程，具备良好的编码习惯与工程能力。\n7、对算法工程领域发展趋势有独立思考和深入理解，持续关注大模型部署、agent部署与可观测、端上部署、模型轻量化、端云协同等核心领域。",
"skills": [AI生成
"Python",
"C++",
"性能优化",
"大语言模型"
],
"preferred_qualifications": "有大模型线上部署与性能优化相关经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hr.163.com/job-detail.html?id=77061&lang=zh"
}
]
},
"posting": {
"posting_id": "77061",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=77061&lang=zh"
},
"fulltext": "AI研发工程师（国产化芯片适配）\n职位描述\n1、负责算法服务的性能优化加速，提升服务并发能力、降低时延，提升算法服务的部署效率与稳定性。\n2、负责算法服务部署架构的设计与开发，面向多模态（图像、音频、文本、视频）、大模型及Agent工作流等核心场景，制定场景化的部署方案并持续进行性能调优，确保推理服务的高效、稳定与可扩展。\n3、参与算法服务国产化芯片适配，完成模型适配、精度对齐、效果验证以及性能优化。\n4、参与算法服务移动端部署，封装移动端SDK、测试端上模型的效果与性能，保证稳定性。\n5、持续跟进算法模型部署的技术演进，关注大模型推理优化、Agent工作流编排与调度、端上部署(移动端、边缘端)、模型轻量化技术(量化、剪枝、蒸馏)及端云协同推理等前沿方向，持续提升多场景部署效能。\n\n职位要求\n1、计算机科学、人工智能、电子信息等相关专业，本科及以上学历。\n2、熟悉tensorrt、triton server、vLLM、TensorRT-LLM、RTP-LLM、SGLang等模型推理部署框架，并在至少一个框架上有深度实践经验。\n3、熟悉剪枝、量化、蒸馏、KV Cache、PagedAttention等模型部署与性能优化相关技术。能针对具体场景的数据与业务特点，优化模型部署性能。有大模型线上部署与性能优化相关经验优先。\n4、熟悉昇腾、寒武纪、海光等国产AI芯片的模型适配，同时熟悉端侧模型部署技术，掌握主流推理引擎与轻量化技术。\n5、熟悉大模型推理部署流程与工程化方案，同时了解Agent服务化部署，能够完成大模型Agent工作流的工程落地。\n6、熟练掌握Python/C++编程，具备良好的编码习惯与工程能力。\n7、对算法工程领域发展趋势有独立思考和深入理解，持续关注大模型部署、agent部署与可观测、端上部署、模型轻量化、端云协同等核心领域。\n1、负责算法服务的性能优化加速，提升服务并发能力、降低时延，提升算法服务的部署效率与稳定性。\n2、负责算法服务部署架构的设计与开发，面向多模态（图像、音频、文本、视频）、大模型及Agent工作流等核心场景，制定场景化的部署方案并持续进行性能调优，确保推理服务的高效、稳定与可扩展。\n3、参与算法服务国产化芯片适配，完成模型适配、精度对齐、效果验证以及性能优化。\n4、参与算法服务移动端部署，封装移动端SDK、测试端上模型的效果与性能，保证稳定性。\n5、持续跟进算法模型部署的技术演进，关注大模型推理优化、Agent工作流编排与调度、端上部署(移动端、边缘端)、模型轻量化技术(量化、剪枝、蒸馏)及端云协同推理等前沿方向，持续提升多场景部署效能。\n1、计算机科学、人工智能、电子信息等相关专业，本科及以上学历。\n2、熟悉tensorrt、triton server、vLLM、TensorRT-LLM、RTP-LLM、SGLang等模型推理部署框架，并在至少一个框架上有深度实践经验。\n3、熟悉剪枝、量化、蒸馏、KV Cache、PagedAttention等模型部署与性能优化相关技术。能针对具体场景的数据与业务特点，优化模型部署性能。有大模型线上部署与性能优化相关经验优先。\n4、熟悉昇腾、寒武纪、海光等国产AI芯片的模型适配，同时熟悉端侧模型部署技术，掌握主流推理引擎与轻量化技术。\n5、熟悉大模型推理部署流程与工程化方案，同时了解Agent服务化部署，能够完成大模型Agent工作流的工程落地。\n6、熟练掌握Python/C++编程，具备良好的编码习惯与工程能力。\n7、对算法工程领域发展趋势有独立思考和深入理解，持续关注大模型部署、agent部署与可观测、端上部署、模型轻量化、端云协同等核心领域。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}