主分类：AI训练推理与计算优化
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异构计算优化工程师-Seed大模型人才校招",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"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届获得本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "Seed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。\n\n团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。\n\n1、评估：负责评估符合业务要求的异构计算芯片，建立/完善评估体系、负载模型，预估业务收益；\n2、推理：负责异构计算芯片落地实际推理业务，适配异构计算芯片特性，降低推理时延，提高推理吞吐；\n3、训练：负责异构计算芯片落地实际训练业务，根据芯片计算、通信特性，优化显存占用，提高训练吞吐；\n4、算子：负责开发异构计算芯片的高性能算子，根据芯片特性，优化算力、带宽利用率；\n5、编译：负责通过编译技术实现异构计算芯片在不同业务场景中落地，负责实现更加高效的异构硬件编程范式；\n6、调研：负责调研、验证前沿软硬件结合方向，比如稀疏计算（Sparse Computation）、存内计算（In-Memory Computing）、数据流计算（DataFlow）等。",
"requirements_text": "1、2027届获得本科及以上学历，计算机科学、软件工程、人工智能、电子信息等相关专业；\n2、熟练掌握Linux环境下的C/C++、Python语言；\n3、具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯；\n4、能够熟练使用至少一种主流的机器学习框架（TensorFlow/PyTorch等），熟悉框架内部实现；\n5、熟悉至少一种经典深度学习模型及其应用场景，如GPT、SD、DiT、W&D等；\n6、熟悉至少一种并行计算架构，熟悉其编程模型，并知晓其优、劣所在；\n7、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。\n\n加分项：\n1、了解推理/训练/通信相关优化，有高性能算子、大规模训练、通算融合领域经验者优先；\n2、了解SIMD/SIMT外其他并行计算模型及算法，了解其并行编程模型及其优、缺点者优先；\n3、了解模型剪枝、量化、LLM投机采样等优化方法原理，具备相关模型优化经验者优先；\n4、了解常见AI编译器方案及其优、缺点（如XLA、TVM、MLIR），有实际开发经验者优先；\n5、了解GPU硬件架构，了解GPU软件栈（CUDA、cuBLAS、cuTLASS)，具备GPU性能分析的能力者优先；\n6、了解AI Compiler技术栈（MLIR等），熟悉Torch2.0+编译栈、Triton优先者优先。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"PyTorch",
"TensorFlow",
"CUDA",
"机器学习",
"深度学习",
"数据结构"
],
"preferred_qualifications": "加分项：；1、了解推理/训练/通信相关优化，有高性能算子、大规模训练、通算融合领域经验者优先；2、了解SIMD/SIMT外其他并行计算模型及算法，了解其并行编程模型及其优、缺点者优先；3、了解模型剪枝、量化、LLM投机采样等优化方法原理，具备相关模型优化经验者优先；4、了解常见AI编译器方案及其优、缺点（如XLA、TVM、MLIR），有实际开发经验者优先；5、了解GPU硬件架构，了解GPU软件栈（CUDA、cuBLAS、cuTLASS)，具备GPU性能分析的能力者优先；6、了解AI Compiler技术栈（MLIR等），熟悉Torch2.0+编译栈、Triton优先者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7626645362587601157/detail"
}
]
},
"posting": {
"posting_id": "7626645362587601157",
"post_date": "2026-04-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7626645362587601157/detail"
},
"fulltext": "AI异构计算优化工程师-Seed大模型人才校招\n职位描述\nSeed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。\n\n团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。\n\n1、评估：负责评估符合业务要求的异构计算芯片，建立/完善评估体系、负载模型，预估业务收益；\n2、推理：负责异构计算芯片落地实际推理业务，适配异构计算芯片特性，降低推理时延，提高推理吞吐；\n3、训练：负责异构计算芯片落地实际训练业务，根据芯片计算、通信特性，优化显存占用，提高训练吞吐；\n4、算子：负责开发异构计算芯片的高性能算子，根据芯片特性，优化算力、带宽利用率；\n5、编译：负责通过编译技术实现异构计算芯片在不同业务场景中落地，负责实现更加高效的异构硬件编程范式；\n6、调研：负责调研、验证前沿软硬件结合方向，比如稀疏计算（Sparse Computation）、存内计算（In-Memory Computing）、数据流计算（DataFlow）等。\n\n职位要求\n1、2027届获得本科及以上学历，计算机科学、软件工程、人工智能、电子信息等相关专业；\n2、熟练掌握Linux环境下的C/C++、Python语言；\n3、具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯；\n4、能够熟练使用至少一种主流的机器学习框架（TensorFlow/PyTorch等），熟悉框架内部实现；\n5、熟悉至少一种经典深度学习模型及其应用场景，如GPT、SD、DiT、W&D等；\n6、熟悉至少一种并行计算架构，熟悉其编程模型，并知晓其优、劣所在；\n7、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。\n\n加分项：\n1、了解推理/训练/通信相关优化，有高性能算子、大规模训练、通算融合领域经验者优先；\n2、了解SIMD/SIMT外其他并行计算模型及算法，了解其并行编程模型及其优、缺点者优先；\n3、了解模型剪枝、量化、LLM投机采样等优化方法原理，具备相关模型优化经验者优先；\n4、了解常见AI编译器方案及其优、缺点（如XLA、TVM、MLIR），有实际开发经验者优先；\n5、了解GPU硬件架构，了解GPU软件栈（CUDA、cuBLAS、cuTLASS)，具备GPU性能分析的能力者优先；\n6、了解AI Compiler技术栈（MLIR等），熟悉Torch2.0+编译栈、Triton优先者优先。\nSeed 大模型人才校招，是字节跳动 Seed 面向高校人才推出的招聘项目。我们始终相信，真正重要的技术进步来自对高难度问题的持续挑战。面对 AI 时代的巨大机遇，Seed 团队并不止步于模型迭代，而是选择进入技术深水区，推进下一代 AI 范式突破，不断探索智能的边界与上限。\n\n团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。\n\n1、评估：负责评估符合业务要求的异构计算芯片，建立/完善评估体系、负载模型，预估业务收益；\n2、推理：负责异构计算芯片落地实际推理业务，适配异构计算芯片特性，降低推理时延，提高推理吞吐；\n3、训练：负责异构计算芯片落地实际训练业务，根据芯片计算、通信特性，优化显存占用，提高训练吞吐；\n4、算子：负责开发异构计算芯片的高性能算子，根据芯片特性，优化算力、带宽利用率；\n5、编译：负责通过编译技术实现异构计算芯片在不同业务场景中落地，负责实现更加高效的异构硬件编程范式；\n6、调研：负责调研、验证前沿软硬件结合方向，比如稀疏计算（Sparse Computation）、存内计算（In-Memory Computing）、数据流计算（DataFlow）等。\n1、2027届获得本科及以上学历，计算机科学、软件工程、人工智能、电子信息等相关专业；\n2、熟练掌握Linux环境下的C/C++、Python语言；\n3、具备扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯；\n4、能够熟练使用至少一种主流的机器学习框架（TensorFlow/PyTorch等），熟悉框架内部实现；\n5、熟悉至少一种经典深度学习模型及其应用场景，如GPT、SD、DiT、W&D等；\n6、熟悉至少一种并行计算架构，熟悉其编程模型，并知晓其优、劣所在；\n7、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。\n\n加分项：\n1、了解推理/训练/通信相关优化，有高性能算子、大规模训练、通算融合领域经验者优先；\n2、了解SIMD/SIMT外其他并行计算模型及算法，了解其并行编程模型及其优、缺点者优先；\n3、了解模型剪枝、量化、LLM投机采样等优化方法原理，具备相关模型优化经验者优先；\n4、了解常见AI编译器方案及其优、缺点（如XLA、TVM、MLIR），有实际开发经验者优先；\n5、了解GPU硬件架构，了解GPU软件栈（CUDA、cuBLAS、cuTLASS)，具备GPU性能分析的能力者优先；\n6、了解AI Compiler技术栈（MLIR等），熟悉Torch2.0+编译栈、Triton优先者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}