主分类：未分类
多岗位拼接
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 Infra工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "ICT BG,终端BG,2012实验室,云计算BU,制造部,质量与流程IT部,半导体业务部,智能汽车解决方案BU",
"location": "苏州/杭州/北京/长沙/济南/东莞/南京/西安/武汉/成都/上海/合肥/深圳",
"work_mode": "未披露",AI生成
"job_category": "研发类"AI生成
},
"company": {
"company_name": "华为",
"company_industry": "信息通信技术 / 智能终端 / 云计算",
"company_size": "10000人以上",
"company_website": "huawei.com",
"company_description": "华为提供通信网络、企业网络、智能终端、云服务、数字能源和智能汽车解决方案。"
},
"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": "建模仿真\n1、参与构建面向大语言模型（LLM）及多模态系统的数学模型与仿真框架，以及超参规模下的分布式训练策略、集群/端侧推理优化开发；\n2、参与仿真系统开发与关键指标验证：开发大模型仿真平台，验证训练稳定性，优化集群资源利用率；\n3、参与定位大模型训练瓶颈，优化训练任务优先级动态调整；构建端到端性能预测模型，输出算力资源配置决策树，提升训练效率和推理性能。\n\nAI算子技术\n1、参与大模型训练推理算子的设计与开发，涵盖大模型训练、推理、生成式推荐、数据合成等关键业务场景，实现算子加速，推动成果落地产品并产生商业价值。\n2、参与算子性能优化、精度分析和计算图优化等方案的开发，通过数学等价变换、流水编排、深度融合、调度优化、Tile优化等手段提升算子性能，为端到端训推系统性能提供基础支撑。\n3、参与高性能算子库、基础加速库、算子开发框架的编码与测试，包括AscendC、Triton、TileLang等编程语言的相关实现。\n4、参与自动算子生成工具的研发，利用AI Agent技术提升算子开发的自动化程度和效率。\n5、参与业界前沿技术调研，协助专利申请和技术报告撰写，参与开源社区贡献，与团队共同提升华为在业界的技术影响力。\n\nAI训推系统\n1、参与Agent、语言、多模态、生成式推荐、空间智能等大模型训练和推理的关键技术与系统架构的开发与实现，协助完成算法突破，并将成果落地产品，产生商业价值。\n2、参与训推框架和加速特性的设计与开发，包括预训练、RL后训练、Agentic AI、推理引擎和服务化、AI训推技术辅助编程等模块的编码与调试。\n3、参与AI训练/推理系统的优化方案设计和开发，在计算、内存、通信、IO等方面开展软硬协同优化，提升系统性能，支撑下一代训推系统构建。\n4、跟踪业界和学术界AI计算集群训推算法、训练系统优化、推理系统优化领域的最新进展，参与业界顶会，参与开源社区贡献，学习并引入先进技术，持续提升系统竞争力。\n\nAI数据系统\n1、参与语言、多模态与 Agent 场景下数据生产与流转体系的开发，构建高吞吐、可扩展的数据基础设施，优化数据采集、处理、存储与分发效率，支撑规模化模型训练与行业调优。\n2、参与面向异构分布式环境的数据处理与调度系统的开发，实现分布式数据流水线与推理服务化架构，支持多模型推理、数据合成与蒸馏的高并发执行，提升资源利用率与整体吞吐。\n3、参与统一数据格式与版本管理体系的实现，参与面向大规模训练与推理的存储架构开发，提升数据可追溯性与生命周期管理能力，支撑 PB 级数据规模扩展。\n4、参与大模型数据工程平台与工具链能力的建设，包括任务编排、指标采集、失败恢复与自动扩缩容等模块的实现，推动数据生产与验证的自动化闭环，支撑数据飞轮高效运转。\n5、跟踪分布式计算、存储与推理加速等前沿技术，与算法及平台团队协作，推动数据工程与训练系统、推理服务及 Agent 架构的融合落地，持续提升工程成熟度与技术竞争力。",
"requirements_text": "建模仿真\n1、计算机、人工智能、数学、控制科学与工程等相关专业；\n2、熟悉大模型分布式训练策略与推理加速技术，具备算力系统优化与异构计算架构性能调优经验者优先；\n3、熟悉AI调度框架建模仿真技术，能实现高吞吐、低时延的资源调度及高可用性分析；\n4、具备较强编程能力，精通主流编程语言（C++/Java/Python），熟悉分布式训练框架底层逻辑，掌握并行计算与通信优化基础技术，具备系统级性能调优能力。\n\nAI算子技术\n1、人工智能、机器学习、计算数学、应用数学、软件工程、计算机科学、体系结构、统计数学、数据科学等相关专业。\n2、具备较强的代码编写和算法实现能力，了解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具有大模型训推系统、算子开发调测实践经验者优先，掌握算子优化和性能调测的常用方法和工具（如Profiling工具、Tiling策略等）者优先。\n5、有相关实习经验或高水平数学/计算机竞赛（如ACM/ICPC、各类数学竞赛）获奖经验者优先；在领域顶级会议（如NeurIPS、ICML、AAAI、VLDB等）发表过文章者更佳。\n\nAI训推系统\n1、人工智能、机器学习、软件工程、计算机科学、体系结构、统计数学、数据科学等相关专业。\n2、具备较强的代码编写和算法实现能力，了解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具有语言/多模态/Agent/空间智能等大模型训练和推理实践经验者优先，掌握训推系统优化的常用方法和工具者优先。\n5、有相关实习经验或高水平竞赛（如ACM）获奖经验者优先；在领域顶级会议（如NeurIPS、ICML、AAAI、ISCA、VLDB等）发表过文章者更佳。\n\nAI数据系统\n1、计算机科学、软件工程、人工智能、计算机工程、机器学习、数据工程等相关专业，具备扎实的计算机系统基础。\n2、具备较强的代码编写和算法实现能力，熟悉模型架构、数据工程、操作系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具备良好的工程实现能力，熟悉分布式计算与存储系统，有高性能数据处理与调度系统开发经验，或有推理服务化部署、集群性能优化经验者优先。\n5、有相关实习经验或高水平竞赛（如 ACM、ICPC 等）获奖经历者优先；在领域顶级会议（如 NeurIPS、ICML、AAAI、VLDB 等）发表论文者更佳。",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"模型训练",
"性能优化",
"性能调优",
"团队协作",
"学习能力",
"建模",
"大语言模型"
],
"preferred_qualifications": "2、熟悉大模型分布式训练策略与推理加速技术，具备算力系统优化与异构计算架构性能调优经验者优先；4、具有大模型训推系统、算子开发调测实践经验者优先，掌握算子优化和性能调测的常用方法和工具（如Profiling工具、Tiling策略等）者优先；5、有相关实习经验或高水平数学/计算机竞赛（如ACM/ICPC、各类数学竞赛）获奖经验者优先；4、具有语言/多模态/Agent/空间智能等大模型训练和推理实践经验者优先，掌握训推系统优化的常用方法和工具者优先；5、有相关实习经验或高水平竞赛（如ACM）获奖经验者优先；4、具备良好的工程实现能力，熟悉分布式计算与存储系统，有高性能数据处理与调度系统开发经验，或有推理服务化部署、集群性能优化经验者优先；5、有相关实习经验或高水平竞赛（如 ACM、ICPC 等）获奖经历者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://career.huawei.com/cn/job-details?advertisementId=30865"
}
]
},
"posting": {
"posting_id": "30865",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://career.huawei.com/cn/job-details?advertisementId=30865"
},
"fulltext": "AI Infra工程师\n岗位方向：建模仿真\n部门：终端BG软件部,终端BG硬件工程与产品开发管理部,终端云服务部,终端云服务小艺业务部,智能座舱领域,智能汽车解决方案BU研发管理部,终端BG流程IT与质量运营部,智能驾驶解决方案产品线,质量与流程IT部,数据存储产品线,无线网络产品线,公共开发部,云核心网产品线,计算产品线,数据通信产品线,服务与软件研发管理部,中央研究院,中央硬件工程院,基础软件院,制造部,联接芯片业务部,图灵业务部,无线终端芯片业务部,云软件研发部,智能汽车解决方案BU解决方案部\n地点：北京/上海/东莞/杭州/南京/武汉/西安/成都/深圳/苏州/长沙/济南/合肥\n岗位职责\n1、参与构建面向大语言模型（LLM）及多模态系统的数学模型与仿真框架，以及超参规模下的分布式训练策略、集群/端侧推理优化开发；\n2、参与仿真系统开发与关键指标验证：开发大模型仿真平台，验证训练稳定性，优化集群资源利用率；\n3、参与定位大模型训练瓶颈，优化训练任务优先级动态调整；构建端到端性能预测模型，输出算力资源配置决策树，提升训练效率和推理性能。\n岗位要求\n1、计算机、人工智能、数学、控制科学与工程等相关专业；\n2、熟悉大模型分布式训练策略与推理加速技术，具备算力系统优化与异构计算架构性能调优经验者优先；\n3、熟悉AI调度框架建模仿真技术，能实现高吞吐、低时延的资源调度及高可用性分析；\n4、具备较强编程能力，精通主流编程语言（C++/Java/Python），熟悉分布式训练框架底层逻辑，掌握并行计算与通信优化基础技术，具备系统级性能调优能力。\n\n岗位方向：AI算子技术\n部门：终端BG软件部,终端BG硬件工程与产品开发管理部,终端云服务部,终端云服务小艺业务部,智能汽车解决方案BU研发管理部,终端BG流程IT与质量运营部,智能驾驶解决方案产品线,智能座舱领域,质量与流程IT部,数据存储产品线,无线网络产品线,公共开发部,云核心网产品线,数据通信产品线,制造部,光产品线,服务与软件研发管理部,计算产品线,中央硬件工程院,中央研究院,基础软件院,终端BG CTO,上海海思研发部,图灵业务部,无线终端芯片业务部,云软件研发部\n地点：北京/上海/东莞/杭州/南京/武汉/西安/成都/深圳/苏州/长沙/济南/合肥\n岗位职责\n1、参与大模型训练推理算子的设计与开发，涵盖大模型训练、推理、生成式推荐、数据合成等关键业务场景，实现算子加速，推动成果落地产品并产生商业价值。\n2、参与算子性能优化、精度分析和计算图优化等方案的开发，通过数学等价变换、流水编排、深度融合、调度优化、Tile优化等手段提升算子性能，为端到端训推系统性能提供基础支撑。\n3、参与高性能算子库、基础加速库、算子开发框架的编码与测试，包括AscendC、Triton、TileLang等编程语言的相关实现。\n4、参与自动算子生成工具的研发，利用AI Agent技术提升算子开发的自动化程度和效率。\n5、参与业界前沿技术调研，协助专利申请和技术报告撰写，参与开源社区贡献，与团队共同提升华为在业界的技术影响力。\n岗位要求\n1、人工智能、机器学习、计算数学、应用数学、软件工程、计算机科学、体系结构、统计数学、数据科学等相关专业。\n2、具备较强的代码编写和算法实现能力，了解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具有大模型训推系统、算子开发调测实践经验者优先，掌握算子优化和性能调测的常用方法和工具（如Profiling工具、Tiling策略等）者优先。\n5、有相关实习经验或高水平数学/计算机竞赛（如ACM/ICPC、各类数学竞赛）获奖经验者优先；在领域顶级会议（如NeurIPS、ICML、AAAI、VLDB等）发表过文章者更佳。\n\n岗位方向：AI训推系统\n部门：终端BG软件部,终端BG硬件工程与产品开发管理部,终端云服务部,终端云服务小艺业务部,智能座舱领域,智能汽车解决方案BU研发管理部,终端BG流程IT与质量运营部,智能驾驶解决方案产品线,质量与流程IT部,数据存储产品线,无线网络产品线,公共开发部,云核心网产品线,计算产品线,数据通信产品线,制造部,光产品线,服务与软件研发管理部,中央研究院,基础软件院,图灵业务部,无线终端芯片业务部,云计算BU,云软件研发部\n地点：北京/上海/东莞/杭州/南京/武汉/西安/成都/深圳/苏州/长沙/济南/合肥\n岗位职责\n1、参与Agent、语言、多模态、生成式推荐、空间智能等大模型训练和推理的关键技术与系统架构的开发与实现，协助完成算法突破，并将成果落地产品，产生商业价值。\n2、参与训推框架和加速特性的设计与开发，包括预训练、RL后训练、Agentic AI、推理引擎和服务化、AI训推技术辅助编程等模块的编码与调试。\n3、参与AI训练/推理系统的优化方案设计和开发，在计算、内存、通信、IO等方面开展软硬协同优化，提升系统性能，支撑下一代训推系统构建。\n4、跟踪业界和学术界AI计算集群训推算法、训练系统优化、推理系统优化领域的最新进展，参与业界顶会，参与开源社区贡献，学习并引入先进技术，持续提升系统竞争力。\n岗位要求\n1、人工智能、机器学习、软件工程、计算机科学、体系结构、统计数学、数据科学等相关专业。\n2、具备较强的代码编写和算法实现能力，了解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具有语言/多模态/Agent/空间智能等大模型训练和推理实践经验者优先，掌握训推系统优化的常用方法和工具者优先。\n5、有相关实习经验或高水平竞赛（如ACM）获奖经验者优先；在领域顶级会议（如NeurIPS、ICML、AAAI、ISCA、VLDB等）发表过文章者更佳。\n\n岗位方向：AI数据系统\n部门：终端BG软件部,终端BG硬件工程与产品开发管理部,终端云服务部,终端云服务小艺业务部,智能汽车解决方案BU研发管理部,终端BG流程IT与质量运营部,智能驾驶解决方案产品线,智能座舱领域,质量与流程IT部,数据存储产品线,无线网络产品线,公共开发部,云核心网产品线,数据通信产品线,光产品线,服务与软件研发管理部,计算产品线,中央研究院,终端BG CTO,基础软件院,制造部,联接芯片业务部,图灵业务部,无线终端芯片业务部,云计算BU,云软件研发部,智能汽车解决方案BU解决方案部\n地点：北京/上海/东莞/杭州/南京/武汉/西安/成都/深圳/苏州/长沙/济南/合肥\n岗位职责\n1、参与语言、多模态与 Agent 场景下数据生产与流转体系的开发，构建高吞吐、可扩展的数据基础设施，优化数据采集、处理、存储与分发效率，支撑规模化模型训练与行业调优。\n2、参与面向异构分布式环境的数据处理与调度系统的开发，实现分布式数据流水线与推理服务化架构，支持多模型推理、数据合成与蒸馏的高并发执行，提升资源利用率与整体吞吐。\n3、参与统一数据格式与版本管理体系的实现，参与面向大规模训练与推理的存储架构开发，提升数据可追溯性与生命周期管理能力，支撑 PB 级数据规模扩展。\n4、参与大模型数据工程平台与工具链能力的建设，包括任务编排、指标采集、失败恢复与自动扩缩容等模块的实现，推动数据生产与验证的自动化闭环，支撑数据飞轮高效运转。\n5、跟踪分布式计算、存储与推理加速等前沿技术，与算法及平台团队协作，推动数据工程与训练系统、推理服务及 Agent 架构的融合落地，持续提升工程成熟度与技术竞争力。\n岗位要求\n1、计算机科学、软件工程、人工智能、计算机工程、机器学习、数据工程等相关专业，具备扎实的计算机系统基础。\n2、具备较强的代码编写和算法实现能力，熟悉模型架构、数据工程、操作系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具备良好的工程实现能力，熟悉分布式计算与存储系统，有高性能数据处理与调度系统开发经验，或有推理服务化部署、集群性能优化经验者优先。\n5、有相关实习经验或高水平竞赛（如 ACM、ICPC 等）获奖经历者优先；在领域顶级会议（如 NeurIPS、ICML、AAAI、VLDB 等）发表论文者更佳。\n建模仿真\n1、参与构建面向大语言模型（LLM）及多模态系统的数学模型与仿真框架，以及超参规模下的分布式训练策略、集群/端侧推理优化开发；\n2、参与仿真系统开发与关键指标验证：开发大模型仿真平台，验证训练稳定性，优化集群资源利用率；\n3、参与定位大模型训练瓶颈，优化训练任务优先级动态调整；构建端到端性能预测模型，输出算力资源配置决策树，提升训练效率和推理性能。\n\nAI算子技术\n1、参与大模型训练推理算子的设计与开发，涵盖大模型训练、推理、生成式推荐、数据合成等关键业务场景，实现算子加速，推动成果落地产品并产生商业价值。\n2、参与算子性能优化、精度分析和计算图优化等方案的开发，通过数学等价变换、流水编排、深度融合、调度优化、Tile优化等手段提升算子性能，为端到端训推系统性能提供基础支撑。\n3、参与高性能算子库、基础加速库、算子开发框架的编码与测试，包括AscendC、Triton、TileLang等编程语言的相关实现。\n4、参与自动算子生成工具的研发，利用AI Agent技术提升算子开发的自动化程度和效率。\n5、参与业界前沿技术调研，协助专利申请和技术报告撰写，参与开源社区贡献，与团队共同提升华为在业界的技术影响力。\n\nAI训推系统\n1、参与Agent、语言、多模态、生成式推荐、空间智能等大模型训练和推理的关键技术与系统架构的开发与实现，协助完成算法突破，并将成果落地产品，产生商业价值。\n2、参与训推框架和加速特性的设计与开发，包括预训练、RL后训练、Agentic AI、推理引擎和服务化、AI训推技术辅助编程等模块的编码与调试。\n3、参与AI训练/推理系统的优化方案设计和开发，在计算、内存、通信、IO等方面开展软硬协同优化，提升系统性能，支撑下一代训推系统构建。\n4、跟踪业界和学术界AI计算集群训推算法、训练系统优化、推理系统优化领域的最新进展，参与业界顶会，参与开源社区贡献，学习并引入先进技术，持续提升系统竞争力。\n\nAI数据系统\n1、参与语言、多模态与 Agent 场景下数据生产与流转体系的开发，构建高吞吐、可扩展的数据基础设施，优化数据采集、处理、存储与分发效率，支撑规模化模型训练与行业调优。\n2、参与面向异构分布式环境的数据处理与调度系统的开发，实现分布式数据流水线与推理服务化架构，支持多模型推理、数据合成与蒸馏的高并发执行，提升资源利用率与整体吞吐。\n3、参与统一数据格式与版本管理体系的实现，参与面向大规模训练与推理的存储架构开发，提升数据可追溯性与生命周期管理能力，支撑 PB 级数据规模扩展。\n4、参与大模型数据工程平台与工具链能力的建设，包括任务编排、指标采集、失败恢复与自动扩缩容等模块的实现，推动数据生产与验证的自动化闭环，支撑数据飞轮高效运转。\n5、跟踪分布式计算、存储与推理加速等前沿技术，与算法及平台团队协作，推动数据工程与训练系统、推理服务及 Agent 架构的融合落地，持续提升工程成熟度与技术竞争力。\n建模仿真\n1、计算机、人工智能、数学、控制科学与工程等相关专业；\n2、熟悉大模型分布式训练策略与推理加速技术，具备算力系统优化与异构计算架构性能调优经验者优先；\n3、熟悉AI调度框架建模仿真技术，能实现高吞吐、低时延的资源调度及高可用性分析；\n4、具备较强编程能力，精通主流编程语言（C++/Java/Python），熟悉分布式训练框架底层逻辑，掌握并行计算与通信优化基础技术，具备系统级性能调优能力。\n\nAI算子技术\n1、人工智能、机器学习、计算数学、应用数学、软件工程、计算机科学、体系结构、统计数学、数据科学等相关专业。\n2、具备较强的代码编写和算法实现能力，了解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具有大模型训推系统、算子开发调测实践经验者优先，掌握算子优化和性能调测的常用方法和工具（如Profiling工具、Tiling策略等）者优先。\n5、有相关实习经验或高水平数学/计算机竞赛（如ACM/ICPC、各类数学竞赛）获奖经验者优先；在领域顶级会议（如NeurIPS、ICML、AAAI、VLDB等）发表过文章者更佳。\n\nAI训推系统\n1、人工智能、机器学习、软件工程、计算机科学、体系结构、统计数学、数据科学等相关专业。\n2、具备较强的代码编写和算法实现能力，了解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具有语言/多模态/Agent/空间智能等大模型训练和推理实践经验者优先，掌握训推系统优化的常用方法和工具者优先。\n5、有相关实习经验或高水平竞赛（如ACM）获奖经验者优先；在领域顶级会议（如NeurIPS、ICML、AAAI、ISCA、VLDB等）发表过文章者更佳。\n\nAI数据系统\n1、计算机科学、软件工程、人工智能、计算机工程、机器学习、数据工程等相关专业，具备扎实的计算机系统基础。\n2、具备较强的代码编写和算法实现能力，熟悉模型架构、数据工程、操作系统、分布式计算与存储系统、并行软件开发。\n3、具备较强的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代。\n4、具备良好的工程实现能力，熟悉分布式计算与存储系统，有高性能数据处理与调度系统开发经验，或有推理服务化部署、集群性能优化经验者优先。\n5、有相关实习经验或高水平竞赛（如 ACM、ICPC 等）获奖经历者优先；在领域顶级会议（如 NeurIPS、ICML、AAAI、VLDB 等）发表论文者更佳。",
"standard_classification": {
"std_category_code": null,
"std_aux_codes": [],
"std_category_status": "多岗位拼接",
"std_taxonomy_version": "20261104"
}
}