主分类：AI训练推理与计算优化
辅助：企业培训与人才发展（仅展示）
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软件教练",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "2012实验室",
"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": 5,
"degree": "本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "标准职责:\n主导软件领域的技术战略和规划，主导自研软件的系统分析和设计，负责核心/关键代码框架的实现/看护/维护，创造领先的软件系统/技术/理论，创新性地解决软件领域/行业共性问题/挑战。\n自定义职责:\n1、面向AI时代模型训练、推理部署、异构计算加速和AI应用规模化落地趋势，洞察并引入业界先进AI基础设施软件架构、软件思想和方法；\n2、站在公司级中立视角，识别团队在AI系统理解、异构计算、编译器、算子开发等方面的能力短板，并推动系统性改进；\n3、通过看架构、做架构、护架构的长效机制，深度参与公司关键AI项目和复杂软件系统建设，承担AI基础设施核心软件方案设计、关键模块开发、技术难题攻关；\n4、将项目成果、技术攻关经验、算子开发实践、工具链使用经验，系统化沉淀为公司级组织资产，通过赋能提升公司AI基础设施软件能力。",
"requirements_text": "语言要求:\n简体中文\n教育背景要求:\n本科及以上\n\n技能要求:\n1、【懂软件】AI基础设施与软件工程实践\n熟悉AI基础设施从需求分析、软件架构设计、核心开发、集成验证、性能调优、质量保障到持续交付的全生命周期过程。能够围绕AI模型训练、推理部署和AI应用落地场景，完成AI基础设施的软件分层设计、接口定义、技术选型、架构评审和关键代码实现。\n2、【懂AI】AI框架与工具链\n熟悉主流AI框架的基本机制，能指导团队完成模型训练、算子开发等工作；熟悉AI软件开发工具链，提升团队问题定位和交付效率。\n3、【善沉淀/懂赋能】软件教练与知识沉淀\n能够通过设计评审、代码评审、案例讲解、专家指导等形式开展赋能，并将项目成果提炼为课程、案例、规范或方法论资产。\n能力要求:\n1、【想清楚】业务理解力 ：深入理解AI时代企业软件系统对AI基础设施的核心诉求，能够把握大模型、多模态、智能推理、行业模型和AI应用规模化落地对底层软件栈的要求。\n2、【想清楚】系统性思维 ：对AI基础设施软件技术栈具备全景理解，具备从模型、AI框架、编译器、运行时、算子库、异构硬件、工具链到上层AI应用各层之间的相互影响中抓住主要矛盾的能力，形成可落地、可演进、可复制的AI基础设施软件技术方案。\n3、【干出来】追求卓越 ：能够从复杂AI基础设施软件项目实践中提炼技术原则、工程方法、调优套路、问题定位路径和典型案例。能够将个人专家经验转化为团队可复用、组织可推广的课程、规范、模板、案例、工具和方法体系。\n4、【管自己】学习能力 ：紧跟AI演进趋势，主动钻研大模型、Agent、AI 工程化等新技术、新方法，快速吸收行业先进实践，持续迭代自身技术认知与专业能力，适应AI时代软件教练的能力要求，持续引领技术发展方向。\n\n知识要求:\n1、AI基础设施软件架构：\n1）AI基础设施分层软件设计方法，框架层、编译层、运行时层、算子层、通信层、硬件适配层和开发工具层之间的边界与协同关系；\n2）软件架构设计原则，包括模块化设计、接口设计、依赖治理、可扩展性、可维护性和可演进架构。\n2、教练与知识沉淀\n1）技术案例设计、实战课程设计、知识显性化与经验萃取方法；\n2）工程师成长路径、技术梯队建设和能力模型设计相关知识。",
"skills": [AI生成
"模型训练",
"性能调优",
"架构设计",
"接口设计",
"需求分析",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "未披露",
"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=33923"
}
]
},
"posting": {
"posting_id": "33923",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://career.huawei.com/cn/job-details?advertisementId=33923"
},
"fulltext": "AI软件教练\n岗位职责\n标准职责:\n主导软件领域的技术战略和规划，主导自研软件的系统分析和设计，负责核心/关键代码框架的实现/看护/维护，创造领先的软件系统/技术/理论，创新性地解决软件领域/行业共性问题/挑战。\n自定义职责:\n1、面向AI时代模型训练、推理部署、异构计算加速和AI应用规模化落地趋势，洞察并引入业界先进AI基础设施软件架构、软件思想和方法；\n2、站在公司级中立视角，识别团队在AI系统理解、异构计算、编译器、算子开发等方面的能力短板，并推动系统性改进；\n3、通过看架构、做架构、护架构的长效机制，深度参与公司关键AI项目和复杂软件系统建设，承担AI基础设施核心软件方案设计、关键模块开发、技术难题攻关；\n4、将项目成果、技术攻关经验、算子开发实践、工具链使用经验，系统化沉淀为公司级组织资产，通过赋能提升公司AI基础设施软件能力。\n\n岗位要求\n语言要求:\n简体中文\n教育背景要求:\n本科及以上\n\n技能要求:\n1、【懂软件】AI基础设施与软件工程实践\n熟悉AI基础设施从需求分析、软件架构设计、核心开发、集成验证、性能调优、质量保障到持续交付的全生命周期过程。能够围绕AI模型训练、推理部署和AI应用落地场景，完成AI基础设施的软件分层设计、接口定义、技术选型、架构评审和关键代码实现。\n2、【懂AI】AI框架与工具链\n熟悉主流AI框架的基本机制，能指导团队完成模型训练、算子开发等工作；熟悉AI软件开发工具链，提升团队问题定位和交付效率。\n3、【善沉淀/懂赋能】软件教练与知识沉淀\n能够通过设计评审、代码评审、案例讲解、专家指导等形式开展赋能，并将项目成果提炼为课程、案例、规范或方法论资产。\n能力要求:\n1、【想清楚】业务理解力 ：深入理解AI时代企业软件系统对AI基础设施的核心诉求，能够把握大模型、多模态、智能推理、行业模型和AI应用规模化落地对底层软件栈的要求。\n2、【想清楚】系统性思维 ：对AI基础设施软件技术栈具备全景理解，具备从模型、AI框架、编译器、运行时、算子库、异构硬件、工具链到上层AI应用各层之间的相互影响中抓住主要矛盾的能力，形成可落地、可演进、可复制的AI基础设施软件技术方案。\n3、【干出来】追求卓越 ：能够从复杂AI基础设施软件项目实践中提炼技术原则、工程方法、调优套路、问题定位路径和典型案例。能够将个人专家经验转化为团队可复用、组织可推广的课程、规范、模板、案例、工具和方法体系。\n4、【管自己】学习能力 ：紧跟AI演进趋势，主动钻研大模型、Agent、AI 工程化等新技术、新方法，快速吸收行业先进实践，持续迭代自身技术认知与专业能力，适应AI时代软件教练的能力要求，持续引领技术发展方向。\n\n知识要求:\n1、AI基础设施软件架构：\n1）AI基础设施分层软件设计方法，框架层、编译层、运行时层、算子层、通信层、硬件适配层和开发工具层之间的边界与协同关系；\n2）软件架构设计原则，包括模块化设计、接口设计、依赖治理、可扩展性、可维护性和可演进架构。\n2、教练与知识沉淀\n1）技术案例设计、实战课程设计、知识显性化与经验萃取方法；\n2）工程师成长路径、技术梯队建设和能力模型设计相关知识。\n标准职责:\n主导软件领域的技术战略和规划，主导自研软件的系统分析和设计，负责核心/关键代码框架的实现/看护/维护，创造领先的软件系统/技术/理论，创新性地解决软件领域/行业共性问题/挑战。\n自定义职责:\n1、面向AI时代模型训练、推理部署、异构计算加速和AI应用规模化落地趋势，洞察并引入业界先进AI基础设施软件架构、软件思想和方法；\n2、站在公司级中立视角，识别团队在AI系统理解、异构计算、编译器、算子开发等方面的能力短板，并推动系统性改进；\n3、通过看架构、做架构、护架构的长效机制，深度参与公司关键AI项目和复杂软件系统建设，承担AI基础设施核心软件方案设计、关键模块开发、技术难题攻关；\n4、将项目成果、技术攻关经验、算子开发实践、工具链使用经验，系统化沉淀为公司级组织资产，通过赋能提升公司AI基础设施软件能力。\n语言要求:\n简体中文\n教育背景要求:\n本科及以上\n\n技能要求:\n1、【懂软件】AI基础设施与软件工程实践\n熟悉AI基础设施从需求分析、软件架构设计、核心开发、集成验证、性能调优、质量保障到持续交付的全生命周期过程。能够围绕AI模型训练、推理部署和AI应用落地场景，完成AI基础设施的软件分层设计、接口定义、技术选型、架构评审和关键代码实现。\n2、【懂AI】AI框架与工具链\n熟悉主流AI框架的基本机制，能指导团队完成模型训练、算子开发等工作；熟悉AI软件开发工具链，提升团队问题定位和交付效率。\n3、【善沉淀/懂赋能】软件教练与知识沉淀\n能够通过设计评审、代码评审、案例讲解、专家指导等形式开展赋能，并将项目成果提炼为课程、案例、规范或方法论资产。\n能力要求:\n1、【想清楚】业务理解力 ：深入理解AI时代企业软件系统对AI基础设施的核心诉求，能够把握大模型、多模态、智能推理、行业模型和AI应用规模化落地对底层软件栈的要求。\n2、【想清楚】系统性思维 ：对AI基础设施软件技术栈具备全景理解，具备从模型、AI框架、编译器、运行时、算子库、异构硬件、工具链到上层AI应用各层之间的相互影响中抓住主要矛盾的能力，形成可落地、可演进、可复制的AI基础设施软件技术方案。\n3、【干出来】追求卓越 ：能够从复杂AI基础设施软件项目实践中提炼技术原则、工程方法、调优套路、问题定位路径和典型案例。能够将个人专家经验转化为团队可复用、组织可推广的课程、规范、模板、案例、工具和方法体系。\n4、【管自己】学习能力 ：紧跟AI演进趋势，主动钻研大模型、Agent、AI 工程化等新技术、新方法，快速吸收行业先进实践，持续迭代自身技术认知与专业能力，适应AI时代软件教练的能力要求，持续引领技术发展方向。\n\n知识要求:\n1、AI基础设施软件架构：\n1）AI基础设施分层软件设计方法，框架层、编译层、运行时层、算子层、通信层、硬件适配层和开发工具层之间的边界与协同关系；\n2）软件架构设计原则，包括模块化设计、接口设计、依赖治理、可扩展性、可维护性和可演进架构。\n2、教练与知识沉淀\n1）技术案例设计、实战课程设计、知识显性化与经验萃取方法；\n2）工程师成长路径、技术梯队建设和能力模型设计相关知识。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"F025"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}