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研究员",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "ICT BG,终端BG,2012实验室,数字能源BU,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/成都/武汉/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": "AI数据系统\n1、负责语言、多模态与 Agent 场景下数据生产与流转体系的创新研究，主导高吞吐、可扩展数据基础设施的架构设计，突破数据采集、处理、存储与分发效率瓶颈，支撑规模化模型训练与行业调优；\n2、主导面向异构分布式环境的数据处理与调度系统研究，创新分布式数据流水线与推理服务化架构，优化多模型推理、数据合成与蒸馏的高并发执行，实现资源利用率与整体吞吐的跨越式提升；\n3、主导统一数据格式与版本管理体系的架构设计，创新面向大规模训练与推理的存储架构，提升数据可追溯性与生命周期管理能力，支撑 PB 级数据规模的平滑扩展；\n4、领导大模型数据工程平台与工具链能力建设，主导任务编排、指标采集、失败恢复与自动扩缩容等核心模块的研究与设计，构建数据生产与验证的智能化自动化闭环，驱动数据飞轮高效运转；\n5、把握分布式计算、存储与推理加速等领域的前沿技术趋势，与算法及平台团队协同创新，推动数据工程与训练系统、推理服务及 Agent 架构的深度融合，持续提升工程成熟度与技术竞争力。\n\n建模仿真\n1、负责AI系统建模与仿真策略制定：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，研究超参规模下的分布式训练策略、集群/端侧推理优化方案；制定性能验证方案，覆盖训练吞吐、推理时延、能效比等核心指标；\n2、负责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；建立量化验证体系，确保仿真结果可靠性；\n3、负责系统优化与方案决策：定位大模型训练瓶颈，设计弹性资源调度算法，实现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；\n4、模拟真实AI工作负载下的数据流、控制流，分析算力互联控制机制、拓扑结构对AI负载性能的影响，提出改进方案并通过仿真验证其有效性；支持算力互联架构设计、资源调度策略等系统级优化。\n\nAI训推系统\n1、负责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创新研究，引领业界方向，实现关键算法和技术突破，推动成果落地产品并产生商业价值；\n2、主导训推框架和加速特性的前沿设计与研究，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方向，探索下一代技术方案；\n3、主导AI训练/推理系统的优化方案研究，开展AI模型算法与计算系统的联合创新优化，通过计算、内存、通信、IO等软硬协同设计，支撑下一代训推系统竞争力构建；\n4、把握并引领业界和学术界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研究进展和技术趋势，参与业界顶会，参与开源社区贡献，持续提升AI算力集群系统竞争力，将前沿成果融入研发。\n\nAI算子技术\n1、负责大模型训练推理算子的创新设计与研究，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，主导算子加速技术突破，推动成果落地产品并产生商业价值；\n2、主导算子性能优化、精度分析和计算图优化等前沿方案研究，通过数学等价变换、流水编排、深度融合、调度优化、Tile优化等创新方法，实现算子性能的跨越式提升，为下一代训推系统奠定基础；\n3、主导高性能算子库、基础加速库、算子开发框架的架构设计与核心开发，包括AscendC、Triton、TileLang等编程语言的关键技术创新；\n4、领导自动算子生成工具的研发，结合AI Agent技术构建智能化算子开发体系，大幅提升开发效率和自动化水平；\n5、负责业界前沿技术研究和技术规划，主导专利申请和高质量论文撰写，领导开源项目，代表华为与全球专家交流合作，构建公司在AI计算领域的技术影响力。",
"requirements_text": "AI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和深厚的理论功底；\n2、具备扎实的算法和代码实现能力，深入理解模型架构、数据工程、操作系统、分布式计算与存储系统、并行软件开发原理，并有相关研究或项目经验；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破关键技术难题；\n4、具备卓越的系统设计与工程实现能力，对分布式计算与存储系统有深入研究，有高性能数据处理与调度系统架构经验，或推理服务化部署、集群性能优化方面的创新成果者优先；\n5、在领域顶级会议（如 NeurIPS、ICML、ICLR、CVPR、ACL、OSDI、SOSP、EuroSys、FAST、SC、VLDB、SIGMOD、ICDE 等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如 ACM、ICPC 等）获奖经历者优先。\n\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、精通AI训练推理核心性能优化算法，精通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、精通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、具备扎实的算法和代码实现能力，深入理解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发原理；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破技术难题；\n4、具有语言/多模态/Agent/空间智能等大模型训练和推理的深入研究经验，熟练掌握训推系统优化的前沿方法和工具；\n5、在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如ACM）获奖经验者优先。\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、具备扎实的算法和代码实现能力，深入理解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发原理，并有相关研究或项目经验；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破关键技术难题；\n4、具有大模型训推系统、算子开发调测的深入研究经验，熟练掌握算子优化和性能调测的前沿方法与工具，对硬件架构和编译优化有深刻理解者优先；\n5、在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、PLDI、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/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。",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"模型训练",
"性能优化",
"性能调优",
"系统架构",
"学习能力",
"建模",
"大语言模型"
],
"preferred_qualifications": "4、具备卓越的系统设计与工程实现能力，对分布式计算与存储系统有深入研究，有高性能数据处理与调度系统架构经验，或推理服务化部署、集群性能优化方面的创新成果者优先；5、在领域顶级会议（如 NeurIPS、ICML、ICLR、CVPR、ACL、OSDI、SOSP、EuroSys、FAST、SC、VLDB、SIGMOD、ICDE 等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如 ACM、ICPC 等）获奖经历者优先；2、精通AI训练推理核心性能优化算法，精通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；5、在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如ACM）获奖经验者优先；4、具有大模型训推系统、算子开发调测的深入研究经验，熟练掌握算子优化和性能调测的前沿方法与工具，对硬件架构和编译优化有深刻理解者优先；5、在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、PLDI、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/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",
"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=36415"
}
]
},
"posting": {
"posting_id": "36415",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://career.huawei.com/cn/job-details?advertisementId=36415"
},
"fulltext": "AI Infra研究员\n岗位方向：AI数据系统\n部门：建模仿真与数学应用院,诺亚研究院,质量与流程IT部,计算技术研究院,智能驾驶解决方案产品线,智能汽车解决方案BU研发管理部,半导体平台部,无线终端芯片业务部,图灵业务部,联接芯片业务部,研发工程、IT装备与安全技术院,基础软件院,数据存储产品线,数据通信产品线,服务与软件研发管理部,公共开发部,计算研发部,云核心网产品线,无线网络研发部,云软件研发部,终端BG软件部,终端云服务部,终端云服务小艺业务部,终端BG流程IT与质量运营部,数字能源研发管理部\n地点：北京/上海/深圳/成都/杭州/南京/东莞/武汉/苏州/西安/长沙/济南\n岗位职责\n1、负责语言、多模态与 Agent 场景下数据生产与流转体系的创新研究，主导高吞吐、可扩展数据基础设施的架构设计，突破数据采集、处理、存储与分发效率瓶颈，支撑规模化模型训练与行业调优；\n2、主导面向异构分布式环境的数据处理与调度系统研究，创新分布式数据流水线与推理服务化架构，优化多模型推理、数据合成与蒸馏的高并发执行，实现资源利用率与整体吞吐的跨越式提升；\n3、主导统一数据格式与版本管理体系的架构设计，创新面向大规模训练与推理的存储架构，提升数据可追溯性与生命周期管理能力，支撑 PB 级数据规模的平滑扩展；\n4、领导大模型数据工程平台与工具链能力建设，主导任务编排、指标采集、失败恢复与自动扩缩容等核心模块的研究与设计，构建数据生产与验证的智能化自动化闭环，驱动数据飞轮高效运转；\n5、把握分布式计算、存储与推理加速等领域的前沿技术趋势，与算法及平台团队协同创新，推动数据工程与训练系统、推理服务及 Agent 架构的深度融合，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和深厚的理论功底；\n2、具备扎实的算法和代码实现能力，深入理解模型架构、数据工程、操作系统、分布式计算与存储系统、并行软件开发原理，并有相关研究或项目经验；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破关键技术难题；\n4、具备卓越的系统设计与工程实现能力，对分布式计算与存储系统有深入研究，有高性能数据处理与调度系统架构经验，或推理服务化部署、集群性能优化方面的创新成果者优先；\n5、在领域顶级会议（如 NeurIPS、ICML、ICLR、CVPR、ACL、OSDI、SOSP、EuroSys、FAST、SC、VLDB、SIGMOD、ICDE 等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如 ACM、ICPC 等）获奖经历者优先。\n\n岗位方向：建模仿真\n部门：建模仿真与数学应用院,质量与流程IT部,计算技术研究院,智能驾驶解决方案产品线,半导体平台部,无线终端芯片业务部,图灵业务部,联接芯片业务部,数据存储产品线,数据通信产品线,服务与软件研发管理部,公共开发部,计算研发部,云核心网产品线,无线网络研发部,云软件研发部,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,数字能源研发管理部,智能汽车解决方案BU研发管理部\n地点：深圳/北京/上海/杭州/合肥/南京/成都/东莞/武汉/苏州/西安/长沙/济南\n岗位职责\n1、负责AI系统建模与仿真策略制定：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，研究超参规模下的分布式训练策略、集群/端侧推理优化方案；制定性能验证方案，覆盖训练吞吐、推理时延、能效比等核心指标；\n2、负责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；建立量化验证体系，确保仿真结果可靠性；\n3、负责系统优化与方案决策：定位大模型训练瓶颈，设计弹性资源调度算法，实现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；\n4、模拟真实AI工作负载下的数据流、控制流，分析算力互联控制机制、拓扑结构对AI负载性能的影响，提出改进方案并通过仿真验证其有效性；支持算力互联架构设计、资源调度策略等系统级优化。\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、精通AI训练推理核心性能优化算法，精通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、精通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训推系统\n部门：AI软件院,建模仿真与数学应用院,诺亚研究院,通信技术研究院,质量与流程IT部,媒体与体验技术研究院,计算技术研究院,智能座舱领域,智能驾驶解决方案产品线,半导体平台部,无线终端芯片业务部,图灵业务部,基础软件院,数据存储产品线,数据通信产品线,服务与软件研发管理部,公共开发部,计算研发部,云核心网产品线,无线网络研发部,云软件研发部,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,终端BG流程IT与质量运营部,数字能源研发管理部,智能汽车解决方案BU研发管理部\n地点：北京/杭州/上海/深圳/西安/武汉/成都/南京/合肥/东莞/苏州/长沙/济南\n岗位职责\n1、负责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创新研究，引领业界方向，实现关键算法和技术突破，推动成果落地产品并产生商业价值；\n2、主导训推框架和加速特性的前沿设计与研究，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方向，探索下一代技术方案；\n3、主导AI训练/推理系统的优化方案研究，开展AI模型算法与计算系统的联合创新优化，通过计算、内存、通信、IO等软硬协同设计，支撑下一代训推系统竞争力构建；\n4、把握并引领业界和学术界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研究进展和技术趋势，参与业界顶会，参与开源社区贡献，持续提升AI算力集群系统竞争力，将前沿成果融入研发。\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、具备扎实的算法和代码实现能力，深入理解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发原理；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破技术难题；\n4、具有语言/多模态/Agent/空间智能等大模型训练和推理的深入研究经验，熟练掌握训推系统优化的前沿方法和工具；\n5、在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如ACM）获奖经验者优先。\n\n岗位方向：AI算子技术\n部门：AI软件院,诺亚研究院,质量与流程IT部,媒体与体验技术研究院,计算技术研究院,智能驾驶解决方案产品线,上海海思研发部,半导体平台部,无线终端芯片业务部,图灵业务部,研发工程、IT装备与安全技术院,基础软件院,数据存储产品线,数据通信产品线,服务与软件研发管理部,公共开发部,计算研发部,云核心网产品线,无线网络研发部,云软件研发部,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,终端BG流程IT与质量运营部,数字能源研发管理部,智能汽车解决方案BU研发管理部\n地点：深圳/北京/上海/杭州/南京/东莞/武汉/苏州/西安/合肥/成都/长沙/济南\n岗位职责\n1、负责大模型训练推理算子的创新设计与研究，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，主导算子加速技术突破，推动成果落地产品并产生商业价值；\n2、主导算子性能优化、精度分析和计算图优化等前沿方案研究，通过数学等价变换、流水编排、深度融合、调度优化、Tile优化等创新方法，实现算子性能的跨越式提升，为下一代训推系统奠定基础；\n3、主导高性能算子库、基础加速库、算子开发框架的架构设计与核心开发，包括AscendC、Triton、TileLang等编程语言的关键技术创新；\n4、领导自动算子生成工具的研发，结合AI Agent技术构建智能化算子开发体系，大幅提升开发效率和自动化水平；\n5、负责业界前沿技术研究和技术规划，主导专利申请和高质量论文撰写，领导开源项目，代表华为与全球专家交流合作，构建公司在AI计算领域的技术影响力。\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、具备扎实的算法和代码实现能力，深入理解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发原理，并有相关研究或项目经验；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破关键技术难题；\n4、具有大模型训推系统、算子开发调测的深入研究经验，熟练掌握算子优化和性能调测的前沿方法与工具，对硬件架构和编译优化有深刻理解者优先；\n5、在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、PLDI、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/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。\nAI数据系统\n1、负责语言、多模态与 Agent 场景下数据生产与流转体系的创新研究，主导高吞吐、可扩展数据基础设施的架构设计，突破数据采集、处理、存储与分发效率瓶颈，支撑规模化模型训练与行业调优；\n2、主导面向异构分布式环境的数据处理与调度系统研究，创新分布式数据流水线与推理服务化架构，优化多模型推理、数据合成与蒸馏的高并发执行，实现资源利用率与整体吞吐的跨越式提升；\n3、主导统一数据格式与版本管理体系的架构设计，创新面向大规模训练与推理的存储架构，提升数据可追溯性与生命周期管理能力，支撑 PB 级数据规模的平滑扩展；\n4、领导大模型数据工程平台与工具链能力建设，主导任务编排、指标采集、失败恢复与自动扩缩容等核心模块的研究与设计，构建数据生产与验证的智能化自动化闭环，驱动数据飞轮高效运转；\n5、把握分布式计算、存储与推理加速等领域的前沿技术趋势，与算法及平台团队协同创新，推动数据工程与训练系统、推理服务及 Agent 架构的深度融合，持续提升工程成熟度与技术竞争力。\n\n建模仿真\n1、负责AI系统建模与仿真策略制定：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，研究超参规模下的分布式训练策略、集群/端侧推理优化方案；制定性能验证方案，覆盖训练吞吐、推理时延、能效比等核心指标；\n2、负责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；建立量化验证体系，确保仿真结果可靠性；\n3、负责系统优化与方案决策：定位大模型训练瓶颈，设计弹性资源调度算法，实现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；\n4、模拟真实AI工作负载下的数据流、控制流，分析算力互联控制机制、拓扑结构对AI负载性能的影响，提出改进方案并通过仿真验证其有效性；支持算力互联架构设计、资源调度策略等系统级优化。\n\nAI训推系统\n1、负责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创新研究，引领业界方向，实现关键算法和技术突破，推动成果落地产品并产生商业价值；\n2、主导训推框架和加速特性的前沿设计与研究，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方向，探索下一代技术方案；\n3、主导AI训练/推理系统的优化方案研究，开展AI模型算法与计算系统的联合创新优化，通过计算、内存、通信、IO等软硬协同设计，支撑下一代训推系统竞争力构建；\n4、把握并引领业界和学术界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研究进展和技术趋势，参与业界顶会，参与开源社区贡献，持续提升AI算力集群系统竞争力，将前沿成果融入研发。\n\nAI算子技术\n1、负责大模型训练推理算子的创新设计与研究，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，主导算子加速技术突破，推动成果落地产品并产生商业价值；\n2、主导算子性能优化、精度分析和计算图优化等前沿方案研究，通过数学等价变换、流水编排、深度融合、调度优化、Tile优化等创新方法，实现算子性能的跨越式提升，为下一代训推系统奠定基础；\n3、主导高性能算子库、基础加速库、算子开发框架的架构设计与核心开发，包括AscendC、Triton、TileLang等编程语言的关键技术创新；\n4、领导自动算子生成工具的研发，结合AI Agent技术构建智能化算子开发体系，大幅提升开发效率和自动化水平；\n5、负责业界前沿技术研究和技术规划，主导专利申请和高质量论文撰写，领导开源项目，代表华为与全球专家交流合作，构建公司在AI计算领域的技术影响力。\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和深厚的理论功底；\n2、具备扎实的算法和代码实现能力，深入理解模型架构、数据工程、操作系统、分布式计算与存储系统、并行软件开发原理，并有相关研究或项目经验；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破关键技术难题；\n4、具备卓越的系统设计与工程实现能力，对分布式计算与存储系统有深入研究，有高性能数据处理与调度系统架构经验，或推理服务化部署、集群性能优化方面的创新成果者优先；\n5、在领域顶级会议（如 NeurIPS、ICML、ICLR、CVPR、ACL、OSDI、SOSP、EuroSys、FAST、SC、VLDB、SIGMOD、ICDE 等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如 ACM、ICPC 等）获奖经历者优先。\n\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、精通AI训练推理核心性能优化算法，精通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、精通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、具备扎实的算法和代码实现能力，深入理解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发原理；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破技术难题；\n4、具有语言/多模态/Agent/空间智能等大模型训练和推理的深入研究经验，熟练掌握训推系统优化的前沿方法和工具；\n5、在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/高水平竞赛（如ACM）获奖经验者优先。\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、具备扎实的算法和代码实现能力，深入理解大模型架构、AI框架、AI系统、分布式计算与存储系统、并行软件开发原理，并有相关研究或项目经验；\n3、具备出色的学习能力、自驱意识、团队意识和责任意识，能够独立开展创新性研究，并带领团队突破关键技术难题；\n4、具有大模型训推系统、算子开发调测的深入研究经验，熟练掌握算子优化和性能调测的前沿方法与工具，对硬件架构和编译优化有深刻理解者优先；\n5、在领域顶级会议（如NeurIPS、ICML、ICLR、CVPR、ACL、ISCA、MICRO、HPCA、ASPLOS、OSDI、SOSP、PLDI、VLDB等）以第一作者或主要贡献者发表过多篇高质量论文，或有顶级研究机构实习经验/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。",
"standard_classification": {
"std_category_code": null,
"std_aux_codes": [],
"std_category_status": "多岗位拼接",
"std_taxonomy_version": "20261104"
}
}