{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI开发工程师",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "ICT BG",
        "location": "上海/北京/深圳/杭州/西安/南京",
        "work_mode": "未披露",AI生成
        "job_category": "云服务族"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": 2,
        "degree": "基础能力：计算机、人工智能、数学等相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、AI模型开发与优化：负责基于云平台的机器学习/深度学习模型的设计、开发与训练，包括但不限于大语言模型（LLM）、多模态模型、推荐系统等；针对云服务场景进行模型压缩、量化、推理加速，提升模型在云环境下的性能和资源利用率；\u000b2、AI云服务产品落地：参与Data&AI云服务产品的AI功能模块开发，将AI能力（如智能分析、自动标注、预测推理）集成到云原生架构中；设计并实现高可用、可扩展的AI推理服务；\u000b3、数据工程与特征平台：构建数据预处理与特征工程Pipeline，支持PB级数据的高效清洗、转换与特征存储；结合云数据湖、数据仓库（如对象存储、Hive、Iceberg等），实现训练数据的自动化流转与版本管理；\u000b4、MLOps与自动化运维：搭建模型训练、部署、监控的自动化流水线（如Kubeflow、MLflow），保障AI服务的持续交付与稳定运行；建立模型效果监控与告警机制，推动模型在云上的持续迭代与A/B测试；\u000b5、技术攻坚与协作：解决AI在云服务场景中的高并发、低延迟、成本控制等核心挑战；与产品、后端、运维团队紧密协作，推动AI能力的产品化与商业化落地。",
        "requirements_text": "1、基础能力：计算机、人工智能、数学等相关专业本科及以上学历，2年以上AI开发或算法工程经验；扎实的编程能力，熟练掌握Python/C++/Java中的至少一种，有良好的代码规范和工程化意识；\u000b2、AI技术深度：熟悉深度学习框架（PyTorch/TensorFlow/JAX之一），有实际模型训练、调优和部署经验；了解常用模型架构（Transformer、CNN、GNN等），对模型推理优化（ONNX、TensorRT、vLLM等）有实践经验者优先；\u000b3、云服务与工程能力：熟悉云原生技术（Docker、Kubernetes、Service Mesh），有AI服务在K8s上的部署和调优经验；掌握分布式计算框架（如Ray、Spark）或流处理技术（如Flink、Kafka）者加分；\u000b4、熟悉SQL及常见数据存储系统（如ClickHouse、Elasticsearch、PostgreSQL），具备良好的数据处理和分析能力；有大模型数据清洗、指令微调（SFT）或RAG应用开发经验者优先。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "SQL",
            "PostgreSQL",
            "ClickHouse",
            "Docker",
            "Kubernetes",
            "Spark",
            "Flink",
            "Kafka",
            "PyTorch",
            "TensorFlow",
            "Elasticsearch",
            "深度学习",
            "数据清洗",
            "模型训练",
            "分析能力",
            "大语言模型"
        ],
        "preferred_qualifications": "了解常用模型架构（Transformer、CNN、GNN等），对模型推理优化（ONNX、TensorRT、vLLM等）有实践经验者优先；掌握分布式计算框架（如Ray、Spark）或流处理技术（如Flink、Kafka）者加分；有大模型数据清洗、指令微调（SFT）或RAG应用开发经验者优先",
        "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=37950"
            }
        ]
    },
    "posting": {
        "posting_id": "37950",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://career.huawei.com/cn/job-details?advertisementId=37950"
    },
    "fulltext": "AI开发工程师\n岗位职责\n1、AI模型开发与优化：负责基于云平台的机器学习/深度学习模型的设计、开发与训练，包括但不限于大语言模型（LLM）、多模态模型、推荐系统等；针对云服务场景进行模型压缩、量化、推理加速，提升模型在云环境下的性能和资源利用率；\u000b2、AI云服务产品落地：参与Data&AI云服务产品的AI功能模块开发，将AI能力（如智能分析、自动标注、预测推理）集成到云原生架构中；设计并实现高可用、可扩展的AI推理服务；\u000b3、数据工程与特征平台：构建数据预处理与特征工程Pipeline，支持PB级数据的高效清洗、转换与特征存储；结合云数据湖、数据仓库（如对象存储、Hive、Iceberg等），实现训练数据的自动化流转与版本管理；\u000b4、MLOps与自动化运维：搭建模型训练、部署、监控的自动化流水线（如Kubeflow、MLflow），保障AI服务的持续交付与稳定运行；建立模型效果监控与告警机制，推动模型在云上的持续迭代与A/B测试；\u000b5、技术攻坚与协作：解决AI在云服务场景中的高并发、低延迟、成本控制等核心挑战；与产品、后端、运维团队紧密协作，推动AI能力的产品化与商业化落地。\n\n岗位要求\n1、基础能力：计算机、人工智能、数学等相关专业本科及以上学历，2年以上AI开发或算法工程经验；扎实的编程能力，熟练掌握Python/C++/Java中的至少一种，有良好的代码规范和工程化意识；\u000b2、AI技术深度：熟悉深度学习框架（PyTorch/TensorFlow/JAX之一），有实际模型训练、调优和部署经验；了解常用模型架构（Transformer、CNN、GNN等），对模型推理优化（ONNX、TensorRT、vLLM等）有实践经验者优先；\u000b3、云服务与工程能力：熟悉云原生技术（Docker、Kubernetes、Service Mesh），有AI服务在K8s上的部署和调优经验；掌握分布式计算框架（如Ray、Spark）或流处理技术（如Flink、Kafka）者加分；\u000b4、熟悉SQL及常见数据存储系统（如ClickHouse、Elasticsearch、PostgreSQL），具备良好的数据处理和分析能力；有大模型数据清洗、指令微调（SFT）或RAG应用开发经验者优先。\n1、AI模型开发与优化：负责基于云平台的机器学习/深度学习模型的设计、开发与训练，包括但不限于大语言模型（LLM）、多模态模型、推荐系统等；针对云服务场景进行模型压缩、量化、推理加速，提升模型在云环境下的性能和资源利用率；\u000b2、AI云服务产品落地：参与Data&AI云服务产品的AI功能模块开发，将AI能力（如智能分析、自动标注、预测推理）集成到云原生架构中；设计并实现高可用、可扩展的AI推理服务；\u000b3、数据工程与特征平台：构建数据预处理与特征工程Pipeline，支持PB级数据的高效清洗、转换与特征存储；结合云数据湖、数据仓库（如对象存储、Hive、Iceberg等），实现训练数据的自动化流转与版本管理；\u000b4、MLOps与自动化运维：搭建模型训练、部署、监控的自动化流水线（如Kubeflow、MLflow），保障AI服务的持续交付与稳定运行；建立模型效果监控与告警机制，推动模型在云上的持续迭代与A/B测试；\u000b5、技术攻坚与协作：解决AI在云服务场景中的高并发、低延迟、成本控制等核心挑战；与产品、后端、运维团队紧密协作，推动AI能力的产品化与商业化落地。\n1、基础能力：计算机、人工智能、数学等相关专业本科及以上学历，2年以上AI开发或算法工程经验；扎实的编程能力，熟练掌握Python/C++/Java中的至少一种，有良好的代码规范和工程化意识；\u000b2、AI技术深度：熟悉深度学习框架（PyTorch/TensorFlow/JAX之一），有实际模型训练、调优和部署经验；了解常用模型架构（Transformer、CNN、GNN等），对模型推理优化（ONNX、TensorRT、vLLM等）有实践经验者优先；\u000b3、云服务与工程能力：熟悉云原生技术（Docker、Kubernetes、Service Mesh），有AI服务在K8s上的部署和调优经验；掌握分布式计算框架（如Ray、Spark）或流处理技术（如Flink、Kafka）者加分；\u000b4、熟悉SQL及常见数据存储系统（如ClickHouse、Elasticsearch、PostgreSQL），具备良好的数据处理和分析能力；有大模型数据清洗、指令微调（SFT）或RAG应用开发经验者优先。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [
            "T016"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}