JD 清单：国内外公司在招岗位

只看「要求」和「薪资」，不看真实 JD，是求职者最常见的认知偏差。本文整理 16 家国内外公司在招（截至数据日期）的推理 / MLOps / ML 平台类岗位，逐条拆解核心要求（技术栈）与加分项，并给出薪资估计区间。

免责与时效

本文数据为估计值，岗位、城市与薪资随时会变，引用前务必核对原始出处（各公司官方招聘页见下文链接）。薪资写法如 30-60K×15 表示月薪区间 × 15 薪（估计）；海外为年薪区间。dataAsOf: 2025-12 表示信息采集日期。

一、国内公司

1. 字节跳动（豆包 / 火山引擎）

• 岗位方向：AI Infra 工程师、推理优化工程师（LLM）、GPU 集群调度工程师
• 城市：北京、上海、杭州、深圳
• 核心要求：K8s / Docker；GPU 调度（Kubernetes device plugin / volcano）；推理引擎（vLLM、TensorRT-LLM、Triton 至少一项）；性能剖析（nsys、perf）；熟悉 LLM 推理
• 加分项：CUDA 算子开发、RDMA 网络、量化（FP8/INT8）落地经验
• 薪资区间（估计）：30-60K × 15（L4/L5 段），资深另议
• 官方入口：https://jobs.bytedance.com/

2. 阿里巴巴（阿里云 PAI / 通义）

• 岗位方向：PAI 平台研发工程师、推理引擎工程师（大模型）、MLOps 平台工程师
• 城市：杭州、北京、上海
• 核心要求：Java/Go 后端 + K8s 生态；推理框架（Triton、vLLM、MNN、Pytorch Inference）；模型服务编排（KServe/自研）；对 部署模式 有工程经验
• 加分项：Kubeflow/Argo 流水线、混部调度、大模型分布式推理
• 薪资区间（估计）：30-55K × 16（P6/P7 段）
• 官方入口：https://talent.alibaba.com/

3. 腾讯（机器学习平台 / 混元）

• 岗位方向：机器学习平台研发、大模型推理优化、MLOps 工程师
• 城市：深圳、北京、上海
• 核心要求：C++/Go + 高性能服务；TensorRT/ONNX Runtime；GPU 集群管理；压测与容量规划（见 压测方法）
• 加分项：模型量化与剪枝、弹性推理、日志/监控体系搭建
• 薪资区间（估计）：25-50K × 16（T9/T10 段）
• 官方入口：https://careers.tencent.com/

4. 百度（飞桨 / 昆仑芯）

• 岗位方向：飞桨推理部署工程师、昆仑芯软件栈工程师（CANN 类）、MLOps 平台
• 城市：北京、深圳
• 核心要求：熟悉 PaddlePaddle/ONNX 生态；算子优化（C++/CUDA/OpenCL）；芯片工具链（npu-smi 类）；量化与低比特部署
• 加分项：自研芯片（昆仑芯）适配经验、端侧部署（Paddle Lite）
• 薪资区间（估计）：25-50K × 15
• 官方入口：https://talent.baidu.com/

5. 美团（搜索推荐平台）

• 岗位方向：搜推模型部署工程师、推理服务负责人、GPU 平台工程师
• 城市：北京、上海
• 核心要求：高并发服务（C++/Go/Java）；TensorRT/Triton；在线推荐模型（DeepFM 类）serving；延迟优化与资源治理
• 加分项：动态批处理、模型热更新、多级缓存
• 薪资区间（估计）：28-55K × 15.5
• 官方入口：https://zhaopin.meituan.com/

6. 蚂蚁集团（AI 平台 / 百灵大模型）

• 岗位方向：AI 平台研发、推理优化工程师、MLOps 工程师
• 城市：杭州、上海、北京
• 核心要求：K8s 与云原生；Triton/vLLM；金融级可靠性（容灾、灰度、审计）；监控与告警 体系
• 加分项：安全推理（联邦/机密计算，可参考 安全）、多租户隔离
• 薪资区间（估计）：30-60K × 16
• 官方入口：https://talent.antgroup.com/

7. 华为（昇腾 / 华为云 ModelArts）

• 岗位方向：昇腾推理引擎工程师（MindIE）、ModelArts 平台工程师、算子库开发
• 城市：深圳、北京、西安、上海
• 核心要求：C++/Python；CANN/MindSpore 生态；算子开发与调优（昇腾 NPU）；LLM 推理加速（PagedAttention 类）
• 加分项：TensorRT 经验（可迁移）、NPU 亲和性优化
• 薪资区间（估计）：25-55K × 14-16（含绩效）
• 官方入口：昇腾社区 https://www.hiascend.com/（招聘走 https://career.huawei.com/）

8. 京东 / 小红书 / 快手（补充观察）

公司	岗位方向	核心要求速写	城市	薪资区间（估计）
京东	大模型推理、智能供应链 MLOps	vLLM、K8s、压测	北京	25-50K × 15
小红书	推荐推理、AI Infra	Triton、C++、GPU 集群	上海、北京	30-55K × 16
快手	推理引擎、LLM serving	TensorRT、CUDA、量化	北京	28-55K × 16

• 官方入口：京东 https://zhaopin.jd.com/ ；小红书 https://job.xiaohongshu.com/ ；快手 https://zhaopin.kuaishou.com/

二、海外公司

9. NVIDIA（TensorRT / Triton）

• 岗位方向：Deep Learning Performance Engineer、Triton Inference Server Engineer、TensorRT Software Engineer
• 城市：Santa Clara、上海、深圳（NVIDIA 国内研发）
• 核心要求：C++/CUDA；深度学习框架底层；性能剖析（Nsight）；分布式推理
• 加分项：参与过开源项目（TensorRT-LLM、Triton、vLLM 提交记录）
• 薪资区间（估计）：$150k-250k（美）；国内对标 30-60K × 15+（估计）
• 官方入口：https://www.nvidia.com/en-us/about-nvidia/careers/

10. 微软（Azure ML / AI Infra）

• 岗位方向：Azure ML Engineer、AI Platform Infra、ONNX Runtime Developer
• 城市：Redmond、北京（微软亚太研发）、苏州
• 核心要求：云原生（K8s）；ONNX Runtime/MLflow；分布式训练与服务；MLOps 流水线 工程化
• 加分项：Azure/Kubernetes 认证、开源贡献
• 薪资区间（估计）：$140k-230k（美）；国内 30-55K × 15+（估计）
• 官方入口：https://careers.microsoft.com/

11. AWS（SageMaker / Inferentia）

• 岗位方向：Machine Learning Engineer、SageMaker Platform、Neuron SDK 工程师
• 城市：Seattle、北京（AWS 中国）、深圳
• 核心要求：Python/Java + 云原生；SageMaker/KServe；模型服务与监控；可观测性实践
• 加分项：AWS 认证、自研芯片（Trainium/Inferentia）适配
• 薪资区间（估计）：$140k-230k（美）
• 官方入口：https://www.amazon.jobs/

12. Google（Vertex AI / JAX serving）

• 岗位方向：ML Infrastructure Engineer、TPU Serving、Vertex AI Platform
• 城市：Mountain View、苏黎世、伦敦
• 核心要求：分布式系统；JAX/TensorFlow serving；大规模容量规划（见 容量规划相关面试题）
• 加分项：TPU 经验、站点可靠性工程（SRE）背景
• 薪资区间（估计）：$150k-260k（美）
• 官方入口：https://careers.google.com/

13. Meta（TorchServe / ML Infra）

• 岗位方向：ML Infra Engineer、TorchServe / PyTorch Serving、大规模推荐 serving
• 城市：Menlo Park、London、纽约
• 核心要求：C++/Python；PyTorch 生态；高并发低延迟系统；性能优化 实战
• 加分项：开源 PyTorch/TorchServe 贡献、FPGA/ASIC 协同经验
• 薪资区间（估计）：$150k-270k（美）
• 官方入口：https://www.metacareers.com/

14. Hugging Face（Inference）

• 岗位方向：Inference Engineer、Inference Endpoints、Optimum（ONNX/TensorRT）工程师
• 城市：巴黎、纽约、远程
• 核心要求：Python + 深度学习框架；ONNX Runtime/TensorRT/OpenVINO；Transformers 生态；容器化
• 加分项：开源社区活跃、写过被广泛使用的部署工具
• 薪资区间（估计）：€60k-100k（欧洲）或 $120k-200k（美，估计）
• 官方入口：https://huggingface.co/careers

15. Anthropic / OpenAI（inference infra，远程友好）

公司	岗位方向	核心要求速写	薪资区间（估计）
Anthropic	Infra/Performance Engineer、ML Engineer（inference）	大规模 LLM 推理、K8s、容量规划	$180k-320k
OpenAI	Inference Infra、Platform Engineer	LLM serving、GPU 集群、性能剖析	$180k-350k

• 官方入口：Anthropic https://www.anthropic.com/careers ；OpenAI https://openai.com/careers/

16. Databricks（MLOps）

• 岗位方向：MLOps Engineer、ML Platform Engineer、MosaicML 推理工程师
• 城市：San Francisco、远程
• 核心要求：MLflow（Databricks 自家生态）；K8s 与 GPU 集群；LLM 推理服务；模型注册与流水线
• 加分项：MLflow 贡献者、大模型微调+部署全流程经验
• 薪资区间（估计）：$150k-260k（美）
• 官方入口：https://www.databricks.com/company/careers

三、共性总结：这些 JD 反复出现的高频技能

把 16 家公司的 JD 去重后，出现频率最高的技能可以归为五层：

层级	高频关键词	出现公司数（估计）	本站对应页面
容器与调度	Docker、Kubernetes、GPU 调度	15+	部署模式、推理系统总体架构解剖
推理引擎	vLLM、Triton、TensorRT、ONNX Runtime	13+	框架对比、Triton 案例、vLLM 案例
性能与成本	压测、延迟优化、容量规划、量化	12+	性能优化、量化、压测方法
平台与流程	CI/CD、模型注册、灰度、监控告警	11+	MLOps 流水线、监控、上线流程
LLM 专项	KV Cache、连续批处理、张量并行、投机解码	9+	LLM 推理

对求职者的三个直接结论：

1. K8s + 一种推理引擎 + 一个 LLM 概念 是几乎所有目标岗位的「最小公共子集」，值得最先补齐。
2. 量化 / 性能优化是区分度最高的加分项：超过一半的 JD 把它列为加分或核心要求，而面试时能被深挖的候选人是少数。
3. JD 名称是噪声，技能层级才是信号：把目标岗位的技能按上表五层归类，就能快速定位自己缺哪一层。逐层拆解的方法见 JD 知识点拆解。

如何用这份清单

不要逐条投递。建议：圈出 3 个「够得着」目标 + 2 个「冲刺」目标，为每个目标岗位写一份定制简历（方法见 简历怎么写），再回到岗位版图判断岗位归类。

延伸阅读

• 职业路径总览：岗位版图 —— 五类岗位的职责与趋势
• JD 知识点拆解 —— 把关键词翻译成学习清单
• 简历怎么写：能力对标 —— 让简历命中 JD 关键词
• 模型部署面试题 —— 检验自己的技能是否达标
• 学习路径：三条路线 —— 求职冲刺 2 周路线图
• 框架对比 —— 回答「为什么选这个引擎」

参考资料

• 各公司官方招聘入口见上文每家末尾链接（均为公司官网域名，可长期访问；岗位列表以官网当日为准）
• 薪资区间参考：levels.fyi（海外 https://www.levels.fyi/ ）与国内公开面经汇总，均为估计值