{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI服务器系统集成测试研发工程师-服务器",
        "job_level": "未披露",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": "后端"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": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、GPU机型端到端交付测试：负责GPU卡及GPU服务器整机在选型验证、研发验证、SIT、产测导入与交付验收等全流程测试，输出测试基线、验收标准与交付报告，保障项目按期交付与质量达标；\n2、GPU SIT能力建设：构建并持续维护GPU SIT基线体系，覆盖功能、性能、稳定性、可靠性与可观测性（监控/告警/日志）等维度，沉淀可复用用例与门禁标准，支撑GPU产品规模化交付；\n3、GPU卡评测与选型：跟踪业界新GPU卡与关键技术演进，设计并执行功能/性能/稳定性等评测与对标，输出评测结论（优势/短板/风险项），为业务产品选型与引入决策提供依据；\n4、GPU业务场景测试与优化：深入理解业务使用场景与关键指标，持续优化SIT测试标准与基线用例，支撑线上问题复现定位与改进闭环，提升业务使用体验与稳定性；\n5、GPU测试自动化开发：设计并实现自动化测试框架与流水线能力，包括用例编排与并发执行、结果判定、报告生成/看板与基线对比等，持续提升测试覆盖率与交付效率。",
        "requirements_text": "1、本科及以上学历，计算机、电子、通信、自动化等相关专业；具备服务器硬件测试、系统测试或产测/交付测试GPU服务器相关测试经验；\n2、扎实的GPU与服务器硬件基础，深入理解AI/GPU硬件原理与系统架构，包括GPU计算与显存体系、PCIe/NUMA、CPU-IO拓扑等；能够将硬件特性与潜在风险转化为可执行的测试策略与验收标准；\n3、熟练掌握GPU常用性能Benchmark与评测方法，覆盖计算、显存、PCIe、互联、通信等维度；\n4、精通自动化开发，以Python为主，能够独立完成用例开发、并发执行、结果判定、日志解析、报表可视化等；熟悉Shell脚本，具备工程化交付意识与可维护性设计能力；\n5、良好的沟通与项目推进能力，能够有效推动跨团队协作与问题闭环，保障交付节奏与质量目标达成。\n\n加分项\n1、GPU Benchmark测试与算子优化：精通GPU Benchmark测试设计与执行，熟悉算子级性能分析与调优，包括CUDA Kernel优化、算子融合、内存访问模式优化等；\n2、具备GPU芯片硅后验证（Post-Silicon Validation）经验，熟悉GPU卡功能验证、性能验证与问题定位流程；\n3、深入理解AI大模型训练/推理流程、计算图优化、显存管理及并行策略（数据并行/模型并行/流水线并行），能够将业务需求转化为测试场景与验收标准；\n4、熟悉AI集群（千卡/万卡级）网络架构（IB/RoCE/以太网）、拓扑设计、通信优化与故障定位；\n5、有自动化测试平台或CI/CD流水线建设经验，熟悉任务编排、资源管理、结果判定与数据看板开发等。",
        "skills": [AI生成
            "Python",
            "CUDA",
            "模型训练",
            "自动化测试",
            "系统架构",
            "项目推进",
            "团队协作",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7628074595738323205/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7628074595738323205",
        "post_date": "2026-04-13",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7628074595738323205/detail"
    },
    "fulltext": "AI服务器系统集成测试研发工程师-服务器\n职位描述\n1、GPU机型端到端交付测试：负责GPU卡及GPU服务器整机在选型验证、研发验证、SIT、产测导入与交付验收等全流程测试，输出测试基线、验收标准与交付报告，保障项目按期交付与质量达标；\n2、GPU SIT能力建设：构建并持续维护GPU SIT基线体系，覆盖功能、性能、稳定性、可靠性与可观测性（监控/告警/日志）等维度，沉淀可复用用例与门禁标准，支撑GPU产品规模化交付；\n3、GPU卡评测与选型：跟踪业界新GPU卡与关键技术演进，设计并执行功能/性能/稳定性等评测与对标，输出评测结论（优势/短板/风险项），为业务产品选型与引入决策提供依据；\n4、GPU业务场景测试与优化：深入理解业务使用场景与关键指标，持续优化SIT测试标准与基线用例，支撑线上问题复现定位与改进闭环，提升业务使用体验与稳定性；\n5、GPU测试自动化开发：设计并实现自动化测试框架与流水线能力，包括用例编排与并发执行、结果判定、报告生成/看板与基线对比等，持续提升测试覆盖率与交付效率。\n\n职位要求\n1、本科及以上学历，计算机、电子、通信、自动化等相关专业；具备服务器硬件测试、系统测试或产测/交付测试GPU服务器相关测试经验；\n2、扎实的GPU与服务器硬件基础，深入理解AI/GPU硬件原理与系统架构，包括GPU计算与显存体系、PCIe/NUMA、CPU-IO拓扑等；能够将硬件特性与潜在风险转化为可执行的测试策略与验收标准；\n3、熟练掌握GPU常用性能Benchmark与评测方法，覆盖计算、显存、PCIe、互联、通信等维度；\n4、精通自动化开发，以Python为主，能够独立完成用例开发、并发执行、结果判定、日志解析、报表可视化等；熟悉Shell脚本，具备工程化交付意识与可维护性设计能力；\n5、良好的沟通与项目推进能力，能够有效推动跨团队协作与问题闭环，保障交付节奏与质量目标达成。\n\n加分项\n1、GPU Benchmark测试与算子优化：精通GPU Benchmark测试设计与执行，熟悉算子级性能分析与调优，包括CUDA Kernel优化、算子融合、内存访问模式优化等；\n2、具备GPU芯片硅后验证（Post-Silicon Validation）经验，熟悉GPU卡功能验证、性能验证与问题定位流程；\n3、深入理解AI大模型训练/推理流程、计算图优化、显存管理及并行策略（数据并行/模型并行/流水线并行），能够将业务需求转化为测试场景与验收标准；\n4、熟悉AI集群（千卡/万卡级）网络架构（IB/RoCE/以太网）、拓扑设计、通信优化与故障定位；\n5、有自动化测试平台或CI/CD流水线建设经验，熟悉任务编排、资源管理、结果判定与数据看板开发等。\n1、GPU机型端到端交付测试：负责GPU卡及GPU服务器整机在选型验证、研发验证、SIT、产测导入与交付验收等全流程测试，输出测试基线、验收标准与交付报告，保障项目按期交付与质量达标；\n2、GPU SIT能力建设：构建并持续维护GPU SIT基线体系，覆盖功能、性能、稳定性、可靠性与可观测性（监控/告警/日志）等维度，沉淀可复用用例与门禁标准，支撑GPU产品规模化交付；\n3、GPU卡评测与选型：跟踪业界新GPU卡与关键技术演进，设计并执行功能/性能/稳定性等评测与对标，输出评测结论（优势/短板/风险项），为业务产品选型与引入决策提供依据；\n4、GPU业务场景测试与优化：深入理解业务使用场景与关键指标，持续优化SIT测试标准与基线用例，支撑线上问题复现定位与改进闭环，提升业务使用体验与稳定性；\n5、GPU测试自动化开发：设计并实现自动化测试框架与流水线能力，包括用例编排与并发执行、结果判定、报告生成/看板与基线对比等，持续提升测试覆盖率与交付效率。\n1、本科及以上学历，计算机、电子、通信、自动化等相关专业；具备服务器硬件测试、系统测试或产测/交付测试GPU服务器相关测试经验；\n2、扎实的GPU与服务器硬件基础，深入理解AI/GPU硬件原理与系统架构，包括GPU计算与显存体系、PCIe/NUMA、CPU-IO拓扑等；能够将硬件特性与潜在风险转化为可执行的测试策略与验收标准；\n3、熟练掌握GPU常用性能Benchmark与评测方法，覆盖计算、显存、PCIe、互联、通信等维度；\n4、精通自动化开发，以Python为主，能够独立完成用例开发、并发执行、结果判定、日志解析、报表可视化等；熟悉Shell脚本，具备工程化交付意识与可维护性设计能力；\n5、良好的沟通与项目推进能力，能够有效推动跨团队协作与问题闭环，保障交付节奏与质量目标达成。\n\n加分项\n1、GPU Benchmark测试与算子优化：精通GPU Benchmark测试设计与执行，熟悉算子级性能分析与调优，包括CUDA Kernel优化、算子融合、内存访问模式优化等；\n2、具备GPU芯片硅后验证（Post-Silicon Validation）经验，熟悉GPU卡功能验证、性能验证与问题定位流程；\n3、深入理解AI大模型训练/推理流程、计算图优化、显存管理及并行策略（数据并行/模型并行/流水线并行），能够将业务需求转化为测试场景与验收标准；\n4、熟悉AI集群（千卡/万卡级）网络架构（IB/RoCE/以太网）、拓扑设计、通信优化与故障定位；\n5、有自动化测试平台或CI/CD流水线建设经验，熟悉任务编排、资源管理、结果判定与数据看板开发等。",
    "standard_classification": {
        "std_category_code": "T026",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}