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 Infra高级工程师",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "ICT BG",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "研发族"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": 1,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责大模型（LLM/多模态/推荐/强化学习）从训练到推理的全链路性能优化、算法创新与生态落地。通过软硬协同设计、编译优化、分布式加速及量化压缩等关键技术，构筑昇腾芯片在AI Infra层面的核心竞争力，并深度参与开源社区，提升技术影响力。\n1、负责业界主流LLM/多模态模型在昇腾芯片上的预训练、微调及推理全流程优化，主导低精度训练（FP8/FP4）、长序列（M级）推理等关键技术在昇腾平台的落地，构建高吞吐、低时延的训推核心竞争力。\n2、深刻理解芯片硬件架构（存储层次、计算单元、片上互联），跟踪FlashAttention、稀疏化等前沿算子思路，负责Matmul、Attention等关键算子的理论分析、算法设计与工程实现，通过软硬协同实现算力峰值突破。\n3、主导昇腾在vLLM、SGLang、Triton、LLaMA-Factory等主流开源框架的原生支持与竞争力构建；积极贡献开源社区，提升昇腾在AI Infra领域的技术影响力，同时推动场景化解决方案的商业落地与客户成功。",
"requirements_text": "技能要求:\n1、掌握基本的预训练模型的原理、分布式训练、推理及微调技术等，并掌握相关实现及优化方案，有模型训练、推理应用经验者优先；\n2、有容器应用开发、分布式作业性能优化、集合通信性能评估优化经历者优先；\n3、拥有开发者社区规划、运营经验者优先；有与高校、科研学术机构或教育培训机构合作经验者优先；\n知识要求:\n1、计算机和电子工程等相关专业；\n2、良好的软件编程能力（C/C++，python）；\n3、熟悉计算机体系结构，流水线结构。",
"skills": [AI生成
"Python",
"C++",
"模型训练",
"性能优化",
"培训",
"C语言"
],
"preferred_qualifications": "1、掌握基本的预训练模型的原理、分布式训练、推理及微调技术等，并掌握相关实现及优化方案，有模型训练、推理应用经验者优先；2、有容器应用开发、分布式作业性能优化、集合通信性能评估优化经历者优先；3、拥有开发者社区规划、运营经验者优先；有与高校、科研学术机构或教育培训机构合作经验者优先",
"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=32166"
}
]
},
"posting": {
"posting_id": "32166",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://career.huawei.com/cn/job-details?advertisementId=32166"
},
"fulltext": "AI Infra高级工程师\n岗位职责\n负责大模型（LLM/多模态/推荐/强化学习）从训练到推理的全链路性能优化、算法创新与生态落地。通过软硬协同设计、编译优化、分布式加速及量化压缩等关键技术，构筑昇腾芯片在AI Infra层面的核心竞争力，并深度参与开源社区，提升技术影响力。\n1、负责业界主流LLM/多模态模型在昇腾芯片上的预训练、微调及推理全流程优化，主导低精度训练（FP8/FP4）、长序列（M级）推理等关键技术在昇腾平台的落地，构建高吞吐、低时延的训推核心竞争力。\n2、深刻理解芯片硬件架构（存储层次、计算单元、片上互联），跟踪FlashAttention、稀疏化等前沿算子思路，负责Matmul、Attention等关键算子的理论分析、算法设计与工程实现，通过软硬协同实现算力峰值突破。\n3、主导昇腾在vLLM、SGLang、Triton、LLaMA-Factory等主流开源框架的原生支持与竞争力构建；积极贡献开源社区，提升昇腾在AI Infra领域的技术影响力，同时推动场景化解决方案的商业落地与客户成功。\n\n岗位要求\n技能要求:\n1、掌握基本的预训练模型的原理、分布式训练、推理及微调技术等，并掌握相关实现及优化方案，有模型训练、推理应用经验者优先；\n2、有容器应用开发、分布式作业性能优化、集合通信性能评估优化经历者优先；\n3、拥有开发者社区规划、运营经验者优先；有与高校、科研学术机构或教育培训机构合作经验者优先；\n知识要求:\n1、计算机和电子工程等相关专业；\n2、良好的软件编程能力（C/C++，python）；\n3、熟悉计算机体系结构，流水线结构。\n负责大模型（LLM/多模态/推荐/强化学习）从训练到推理的全链路性能优化、算法创新与生态落地。通过软硬协同设计、编译优化、分布式加速及量化压缩等关键技术，构筑昇腾芯片在AI Infra层面的核心竞争力，并深度参与开源社区，提升技术影响力。\n1、负责业界主流LLM/多模态模型在昇腾芯片上的预训练、微调及推理全流程优化，主导低精度训练（FP8/FP4）、长序列（M级）推理等关键技术在昇腾平台的落地，构建高吞吐、低时延的训推核心竞争力。\n2、深刻理解芯片硬件架构（存储层次、计算单元、片上互联），跟踪FlashAttention、稀疏化等前沿算子思路，负责Matmul、Attention等关键算子的理论分析、算法设计与工程实现，通过软硬协同实现算力峰值突破。\n3、主导昇腾在vLLM、SGLang、Triton、LLaMA-Factory等主流开源框架的原生支持与竞争力构建；积极贡献开源社区，提升昇腾在AI Infra领域的技术影响力，同时推动场景化解决方案的商业落地与客户成功。\n技能要求:\n1、掌握基本的预训练模型的原理、分布式训练、推理及微调技术等，并掌握相关实现及优化方案，有模型训练、推理应用经验者优先；\n2、有容器应用开发、分布式作业性能优化、集合通信性能评估优化经历者优先；\n3、拥有开发者社区规划、运营经验者优先；有与高校、科研学术机构或教育培训机构合作经验者优先；\n知识要求:\n1、计算机和电子工程等相关专业；\n2、良好的软件编程能力（C/C++，python）；\n3、熟悉计算机体系结构，流水线结构。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}