{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "机器学习推理执行引擎研发实习生-Data AML",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "机器学习"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "2027届本科及以上学历在读",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。\n\n1、负责大模型推理引擎底层架构迭代与GPU全链路性能优化，通过算子融合、编译优化等手段，深度优化GPU访存、计算流水线、Stream异步调度，消除推理计算瓶颈，提升单卡推理吞吐、降低推理延迟；\n2、适配全系GPU/NPU硬件架构，打磨推理引擎通用性与硬件适配性，搭建高性能、低损耗的大模型推理底层底座；\n3、主导大模型推理场景下的分布式并行方案设计、开发与优化，重点落地张量并行（TP）、流水线并行（PP）、序列并行、MoE专家并行等多维度并行策略，解决超大模型多卡拆分部署、跨卡通信开销大、负载不均衡、并行效率低下等核心问题；\n4、跟进全球大模型推理、GPU高性能计算、分布式并行、缓存优化等前沿技术，对标vLLM、TensorRT-LLM等主流推理框架，完成方案落地与技术创新，持续迭代优化推理系统性能与成本优势，构建团队核心技术壁垒。",
        "requirements_text": "1、2027届本科及以上学历在读；\n2、扎实的计算机底层基础，精通C/C++、Python编程，熟练掌握CUDA编程、GPU硬件架构原理，熟悉GPU内存模型、计算调度、通信机制；\n3、熟练掌握深度学习各类基础算子的底层开发实现，精通矩阵运算、归一化、激活函数等核心算子的GPU适配优化，可独立完成算子手写重构、访存优化、向量化加速、精度对齐，保障算子推理的高性能与高稳定性；\n4、熟悉深度学习推理编译全链路，理解计算图优化、算子融合、常量折叠、内存复用、调度优化、量化编译等核心编译技术，能够通过编译层级改造简化推理链路、降低显存占用、减少推理时延，大幅提升模型推理吞吐效率；\n5、熟练使用Nsight、Profiler等GPU性能分析工具，可精准定位推理过程中算力浪费、访存阻塞、调度冗余等性能瓶颈，具备软硬件协同优化思维，能够输出系统化优化方案并完成落地迭代，适配产业级高并发、低时延推理业务需求；\n6、具备良好的跨团队协作能力、沟通表达能力与文档撰写能力，有较强的责任心，能够推动复杂技术问题的解决与项目落地。\n\n加分项：\n1、深入理解大模型推理核心原理，熟练掌握模型并行核心技术，具备张量并行、流水线并行、序列并行等分布式推理方案落地经验，熟悉多卡通信、负载均衡、并行效率优化方法；\n2、有vLLM、SGLang、TensorRT-LLM、等主流大模型推理框架二次开发、性能优化经验者优先。",
        "skills": [AI生成
            "Python",
            "C++",
            "CUDA",
            "深度学习",
            "性能优化",
            "团队协作",
            "沟通表达",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项：；2、有vLLM、SGLang、TensorRT-LLM、等主流大模型推理框架二次开发、性能优化经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/campus/position/7602196146819254533/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7602196146819254533",
        "post_date": "2026-02-02",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/campus/position/7602196146819254533/detail"
    },
    "fulltext": "机器学习推理执行引擎研发实习生-Data AML\n职位描述\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。\n\n1、负责大模型推理引擎底层架构迭代与GPU全链路性能优化，通过算子融合、编译优化等手段，深度优化GPU访存、计算流水线、Stream异步调度，消除推理计算瓶颈，提升单卡推理吞吐、降低推理延迟；\n2、适配全系GPU/NPU硬件架构，打磨推理引擎通用性与硬件适配性，搭建高性能、低损耗的大模型推理底层底座；\n3、主导大模型推理场景下的分布式并行方案设计、开发与优化，重点落地张量并行（TP）、流水线并行（PP）、序列并行、MoE专家并行等多维度并行策略，解决超大模型多卡拆分部署、跨卡通信开销大、负载不均衡、并行效率低下等核心问题；\n4、跟进全球大模型推理、GPU高性能计算、分布式并行、缓存优化等前沿技术，对标vLLM、TensorRT-LLM等主流推理框架，完成方案落地与技术创新，持续迭代优化推理系统性能与成本优势，构建团队核心技术壁垒。\n\n职位要求\n1、2027届本科及以上学历在读；\n2、扎实的计算机底层基础，精通C/C++、Python编程，熟练掌握CUDA编程、GPU硬件架构原理，熟悉GPU内存模型、计算调度、通信机制；\n3、熟练掌握深度学习各类基础算子的底层开发实现，精通矩阵运算、归一化、激活函数等核心算子的GPU适配优化，可独立完成算子手写重构、访存优化、向量化加速、精度对齐，保障算子推理的高性能与高稳定性；\n4、熟悉深度学习推理编译全链路，理解计算图优化、算子融合、常量折叠、内存复用、调度优化、量化编译等核心编译技术，能够通过编译层级改造简化推理链路、降低显存占用、减少推理时延，大幅提升模型推理吞吐效率；\n5、熟练使用Nsight、Profiler等GPU性能分析工具，可精准定位推理过程中算力浪费、访存阻塞、调度冗余等性能瓶颈，具备软硬件协同优化思维，能够输出系统化优化方案并完成落地迭代，适配产业级高并发、低时延推理业务需求；\n6、具备良好的跨团队协作能力、沟通表达能力与文档撰写能力，有较强的责任心，能够推动复杂技术问题的解决与项目落地。\n\n加分项：\n1、深入理解大模型推理核心原理，熟练掌握模型并行核心技术，具备张量并行、流水线并行、序列并行等分布式推理方案落地经验，熟悉多卡通信、负载均衡、并行效率优化方法；\n2、有vLLM、SGLang、TensorRT-LLM、等主流大模型推理框架二次开发、性能优化经验者优先。\nByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。\n团队介绍：Data AML是字节跳动的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。\n\n1、负责大模型推理引擎底层架构迭代与GPU全链路性能优化，通过算子融合、编译优化等手段，深度优化GPU访存、计算流水线、Stream异步调度，消除推理计算瓶颈，提升单卡推理吞吐、降低推理延迟；\n2、适配全系GPU/NPU硬件架构，打磨推理引擎通用性与硬件适配性，搭建高性能、低损耗的大模型推理底层底座；\n3、主导大模型推理场景下的分布式并行方案设计、开发与优化，重点落地张量并行（TP）、流水线并行（PP）、序列并行、MoE专家并行等多维度并行策略，解决超大模型多卡拆分部署、跨卡通信开销大、负载不均衡、并行效率低下等核心问题；\n4、跟进全球大模型推理、GPU高性能计算、分布式并行、缓存优化等前沿技术，对标vLLM、TensorRT-LLM等主流推理框架，完成方案落地与技术创新，持续迭代优化推理系统性能与成本优势，构建团队核心技术壁垒。\n1、2027届本科及以上学历在读；\n2、扎实的计算机底层基础，精通C/C++、Python编程，熟练掌握CUDA编程、GPU硬件架构原理，熟悉GPU内存模型、计算调度、通信机制；\n3、熟练掌握深度学习各类基础算子的底层开发实现，精通矩阵运算、归一化、激活函数等核心算子的GPU适配优化，可独立完成算子手写重构、访存优化、向量化加速、精度对齐，保障算子推理的高性能与高稳定性；\n4、熟悉深度学习推理编译全链路，理解计算图优化、算子融合、常量折叠、内存复用、调度优化、量化编译等核心编译技术，能够通过编译层级改造简化推理链路、降低显存占用、减少推理时延，大幅提升模型推理吞吐效率；\n5、熟练使用Nsight、Profiler等GPU性能分析工具，可精准定位推理过程中算力浪费、访存阻塞、调度冗余等性能瓶颈，具备软硬件协同优化思维，能够输出系统化优化方案并完成落地迭代，适配产业级高并发、低时延推理业务需求；\n6、具备良好的跨团队协作能力、沟通表达能力与文档撰写能力，有较强的责任心，能够推动复杂技术问题的解决与项目落地。\n\n加分项：\n1、深入理解大模型推理核心原理，熟练掌握模型并行核心技术，具备张量并行、流水线并行、序列并行等分布式推理方案落地经验，熟悉多卡通信、负载均衡、并行效率优化方法；\n2、有vLLM、SGLang、TensorRT-LLM、等主流大模型推理框架二次开发、性能优化经验者优先。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}