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异构硬件性能评估专家-Seed",
"job_level": "专家",AI生成
"work_category": "全职",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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "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、该岗位面向豆包Seed自研LLM模型的训练、推理等真实业务负载，建立硬件仿真、性能评估和业务ROI分析体系，为异构AI加速卡的引入、验证和规模化落地提供技术依据；\n2、硬件仿真与负载建模：构建Benchmark、模型画像和性能评估体系，预估不同规格AI加速卡在真实LLM业务中的端到端表现；\n3、性能瓶颈分析：分析硬件架构、微架构、软件栈、通信网络、算子性能和业务负载之间的关键约束；\n4、资源引入与ROI评估：结合业务规模、性能收益、资源成本、迁移成本和稳定性风险，支持硬件选型、技术验证和规模化落地决策。",
"requirements_text": "1、计算机、软件工程、人工智能、电子信息、微电子等相关专业优先；\n2、熟悉Linux环境下的C/C++或Python，具备良好的实验设计、数据分析和工程实现能力；\n3、熟悉计算机体系结构、芯片微架构、高性能计算、分布式系统、并行计算中的至少一个方向；\n4、了解CPU/GPU/NPU等至少一种计算架构，理解算力、带宽、缓存、显存、互联等关键指标；\n5、能够从真实业务负载出发，分析硬件性能、软件栈成熟度、规模化落地成本和业务ROI。\n\n加分项：\n1、有硬件仿真、体系结构研究、性能建模、Benchmark、AI加速卡评测或硬件适配经验；\n2、熟悉Nsight、Profiler、Roofline、算子画像、通信性能分析、模型负载建模等工具或方法；\n3、了解GPU/NPU软件栈、编译器、算子库、通信库、训练或推理框架；\n4、有业务ROI、TCO、容量规划、资源效率分析、硬件选型或技术评估经验；\n5、有体系结构、HPC、系统方向科研项目、竞赛或开源项目经历。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"分布式系统",
"数据分析",
"建模"
],
"preferred_qualifications": "1、计算机、软件工程、人工智能、电子信息、微电子等相关专业优先；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/7647081477118085429/detail"
}
]
},
"posting": {
"posting_id": "7647081477118085429",
"post_date": "2026-06-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7647081477118085429/detail"
},
"fulltext": "AI异构硬件性能评估专家-Seed\n职位描述\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、该岗位面向豆包Seed自研LLM模型的训练、推理等真实业务负载，建立硬件仿真、性能评估和业务ROI分析体系，为异构AI加速卡的引入、验证和规模化落地提供技术依据；\n2、硬件仿真与负载建模：构建Benchmark、模型画像和性能评估体系，预估不同规格AI加速卡在真实LLM业务中的端到端表现；\n3、性能瓶颈分析：分析硬件架构、微架构、软件栈、通信网络、算子性能和业务负载之间的关键约束；\n4、资源引入与ROI评估：结合业务规模、性能收益、资源成本、迁移成本和稳定性风险，支持硬件选型、技术验证和规模化落地决策。\n\n职位要求\n1、计算机、软件工程、人工智能、电子信息、微电子等相关专业优先；\n2、熟悉Linux环境下的C/C++或Python，具备良好的实验设计、数据分析和工程实现能力；\n3、熟悉计算机体系结构、芯片微架构、高性能计算、分布式系统、并行计算中的至少一个方向；\n4、了解CPU/GPU/NPU等至少一种计算架构，理解算力、带宽、缓存、显存、互联等关键指标；\n5、能够从真实业务负载出发，分析硬件性能、软件栈成熟度、规模化落地成本和业务ROI。\n\n加分项：\n1、有硬件仿真、体系结构研究、性能建模、Benchmark、AI加速卡评测或硬件适配经验；\n2、熟悉Nsight、Profiler、Roofline、算子画像、通信性能分析、模型负载建模等工具或方法；\n3、了解GPU/NPU软件栈、编译器、算子库、通信库、训练或推理框架；\n4、有业务ROI、TCO、容量规划、资源效率分析、硬件选型或技术评估经验；\n5、有体系结构、HPC、系统方向科研项目、竞赛或开源项目经历。\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、该岗位面向豆包Seed自研LLM模型的训练、推理等真实业务负载，建立硬件仿真、性能评估和业务ROI分析体系，为异构AI加速卡的引入、验证和规模化落地提供技术依据；\n2、硬件仿真与负载建模：构建Benchmark、模型画像和性能评估体系，预估不同规格AI加速卡在真实LLM业务中的端到端表现；\n3、性能瓶颈分析：分析硬件架构、微架构、软件栈、通信网络、算子性能和业务负载之间的关键约束；\n4、资源引入与ROI评估：结合业务规模、性能收益、资源成本、迁移成本和稳定性风险，支持硬件选型、技术验证和规模化落地决策。\n1、计算机、软件工程、人工智能、电子信息、微电子等相关专业优先；\n2、熟悉Linux环境下的C/C++或Python，具备良好的实验设计、数据分析和工程实现能力；\n3、熟悉计算机体系结构、芯片微架构、高性能计算、分布式系统、并行计算中的至少一个方向；\n4、了解CPU/GPU/NPU等至少一种计算架构，理解算力、带宽、缓存、显存、互联等关键指标；\n5、能够从真实业务负载出发，分析硬件性能、软件栈成熟度、规模化落地成本和业务ROI。\n\n加分项：\n1、有硬件仿真、体系结构研究、性能建模、Benchmark、AI加速卡评测或硬件适配经验；\n2、熟悉Nsight、Profiler、Roofline、算子画像、通信性能分析、模型负载建模等工具或方法；\n3、了解GPU/NPU软件栈、编译器、算子库、通信库、训练或推理框架；\n4、有业务ROI、TCO、容量规划、资源效率分析、硬件选型或技术评估经验；\n5、有体系结构、HPC、系统方向科研项目、竞赛或开源项目经历。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}