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": "昇腾计算高级技术专家",
"job_level": "专家",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": 3,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责AI底层软件栈架构设计与迭代，涵盖AI编译器、训练/推理Runtime、高性能算子库、异构芯片（GPU/NPU/ASIC）适配、通信库及性能调试工具链。\n2、主导AI编译优化、图优化、算子融合、内存复用、代码生成、低精度编译等核心模块研发落地。\n3、深耕算子极致优化、显存调度、多卡分布式、大模型推理（KV Cache/分页/预解码）全链路性能调优，提升硬件利用率、降时延、提吞吐。\n4、跟踪MLIR/LLVM/TVM/Triton等前沿技术，完成原型验证、工程化落地与技术沉淀，输出规范、专利、开源成果。\n5、联动芯片、框架、算法、业务团队，完成软硬协同适配、模型部署与疑难问题攻坚，保障大模型训练/推理业务稳定交付。",
"requirements_text": "岗位技能要求\n1、熟悉Linux系统编程、多线程高并发、内存优化、汇编与指令级调优。\n2、深耕以下任一方向且实战能力突出：编译：精通LLVM/MLIR，会IR改写、后端CodeGen；Runtime：精通推理/训练调度、内存池、显存管理等；算子：精通CUDA/NPU Kernel、GEMM优化、向量化/访存/低精度加速；分布式：精通集合通信、张量/流水线并行、通信压缩与拓扑优化。熟练使用性Profiling，能独立定位算子、访存、通信、调度类瓶颈并落地优化。\n3、具备异构AI芯片软硬件协同开发、模型编译部署实战经验优先。\n知识储备要求\n基础：计算机组成原理、操作系统、编译原理、存储层级与缓存机制。\n核心：张量计算、深度学习网络原理、正反传、量化压缩、稀疏化基础理论。\n进阶：高性能计算（SIMD/NEON/CUDA并行）、线性代数、数值计算、分布式深度学习原理。\n业务：熟悉PyTorch/TensorFlow、主流推理框架，懂大模型预训练/微调/推理全流程。",
"skills": [AI生成
"Linux",
"PyTorch",
"TensorFlow",
"CUDA",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "3、具备异构AI芯片软硬件协同开发、模型编译部署实战经验优先",
"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=32190"
}
]
},
"posting": {
"posting_id": "32190",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://career.huawei.com/cn/job-details?advertisementId=32190"
},
"fulltext": "昇腾计算高级技术专家\n岗位职责\n1、负责AI底层软件栈架构设计与迭代，涵盖AI编译器、训练/推理Runtime、高性能算子库、异构芯片（GPU/NPU/ASIC）适配、通信库及性能调试工具链。\n2、主导AI编译优化、图优化、算子融合、内存复用、代码生成、低精度编译等核心模块研发落地。\n3、深耕算子极致优化、显存调度、多卡分布式、大模型推理（KV Cache/分页/预解码）全链路性能调优，提升硬件利用率、降时延、提吞吐。\n4、跟踪MLIR/LLVM/TVM/Triton等前沿技术，完成原型验证、工程化落地与技术沉淀，输出规范、专利、开源成果。\n5、联动芯片、框架、算法、业务团队，完成软硬协同适配、模型部署与疑难问题攻坚，保障大模型训练/推理业务稳定交付。\n\n岗位要求\n岗位技能要求\n1、熟悉Linux系统编程、多线程高并发、内存优化、汇编与指令级调优。\n2、深耕以下任一方向且实战能力突出：编译：精通LLVM/MLIR，会IR改写、后端CodeGen；Runtime：精通推理/训练调度、内存池、显存管理等；算子：精通CUDA/NPU Kernel、GEMM优化、向量化/访存/低精度加速；分布式：精通集合通信、张量/流水线并行、通信压缩与拓扑优化。熟练使用性Profiling，能独立定位算子、访存、通信、调度类瓶颈并落地优化。\n3、具备异构AI芯片软硬件协同开发、模型编译部署实战经验优先。\n知识储备要求\n基础：计算机组成原理、操作系统、编译原理、存储层级与缓存机制。\n核心：张量计算、深度学习网络原理、正反传、量化压缩、稀疏化基础理论。\n进阶：高性能计算（SIMD/NEON/CUDA并行）、线性代数、数值计算、分布式深度学习原理。\n业务：熟悉PyTorch/TensorFlow、主流推理框架，懂大模型预训练/微调/推理全流程。\n1、负责AI底层软件栈架构设计与迭代，涵盖AI编译器、训练/推理Runtime、高性能算子库、异构芯片（GPU/NPU/ASIC）适配、通信库及性能调试工具链。\n2、主导AI编译优化、图优化、算子融合、内存复用、代码生成、低精度编译等核心模块研发落地。\n3、深耕算子极致优化、显存调度、多卡分布式、大模型推理（KV Cache/分页/预解码）全链路性能调优，提升硬件利用率、降时延、提吞吐。\n4、跟踪MLIR/LLVM/TVM/Triton等前沿技术，完成原型验证、工程化落地与技术沉淀，输出规范、专利、开源成果。\n5、联动芯片、框架、算法、业务团队，完成软硬协同适配、模型部署与疑难问题攻坚，保障大模型训练/推理业务稳定交付。\n岗位技能要求\n1、熟悉Linux系统编程、多线程高并发、内存优化、汇编与指令级调优。\n2、深耕以下任一方向且实战能力突出：编译：精通LLVM/MLIR，会IR改写、后端CodeGen；Runtime：精通推理/训练调度、内存池、显存管理等；算子：精通CUDA/NPU Kernel、GEMM优化、向量化/访存/低精度加速；分布式：精通集合通信、张量/流水线并行、通信压缩与拓扑优化。熟练使用性Profiling，能独立定位算子、访存、通信、调度类瓶颈并落地优化。\n3、具备异构AI芯片软硬件协同开发、模型编译部署实战经验优先。\n知识储备要求\n基础：计算机组成原理、操作系统、编译原理、存储层级与缓存机制。\n核心：张量计算、深度学习网络原理、正反传、量化压缩、稀疏化基础理论。\n进阶：高性能计算（SIMD/NEON/CUDA并行）、线性代数、数值计算、分布式深度学习原理。\n业务：熟悉PyTorch/TensorFlow、主流推理框架，懂大模型预训练/微调/推理全流程。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}