主分类：云基础设施与系统软件研发
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 Infra平台研发工程师（大模型开发机方向）-Seed",
"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": "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": "本科及以上学历",
"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、负责大模型平台开发机的后端系统设计与研发，包括开发机生命周期管理、用户权限与资源隔离等能力；\n2、设计和优化基于Kubernetes的资源编排与调度体系，支持CPU/GPU、共享存储、网络、镜像等复杂资源管理场景；\n3、建设面向算法研发的云端开发体验，包括VS Code Server、SSH、Web IDE、任务环境复用、镜像管理、数据挂载等能力；\n4、负责平台架构设计，提升系统的稳定性、可扩展性、可观测性和运维效率；\n5、与算法、训练平台、基础架构、运维等团队协作，持续提升大模型研发效率和资源利用率；\n6、参与平台工程化建设，包括服务治理、监控告警、日志链路、故障诊断、灰度发布、容量规划和成本优化，跟进云原生、AI Infra、GPU调度、分布式训练、AI Agent等方向的技术演进，并推动在平台中的落地。",
"requirements_text": "1、本科及以上学历，计算机、软件工程或相关专业优先；\n2、具备扎实的软件工程能力与架构基础：\n1）熟悉至少一种主流后端开发语言，如Go、Java、Python、C++等，有较强的系统设计和代码实现能力；\n2）理解分布式系统、高可用设计、服务治理、异步任务、缓存、消息队列、数据库设计等常见后端架构模式；\n3、熟悉应用开发和平台开发，有复杂业务系统、基础平台、研发平台、云平台或机器学习平台建设经验；\n4、熟悉容器化和Kubernetes生态，理解Pod、Deployment、StatefulSet、CRD、Operator、Scheduler、Volume、Network政策等核心机制；\n5、理解资源编排与调度相关技术，有CPU/GPU调度、队列、配额、多租户隔离、弹性伸缩、资源回收等经验者优先；\n6、具备良好的问题分析、故障排查与跨团队协作能力：能独立定位复杂线上问题；能够和算法、平台、SRE、基础设施团队高效配合。\n\n加分项\n1、有机器学习平台、训练平台、开发机平台、AI Infra、MLOps平台建设经验；\n2、熟悉Kubeflow、JupyterHub、Ray、Volcano、Kueue、Argo Workflows、KServe、MLflow等相关技术；\n3、有GPU集群、异构资源调度、分布式训练、模型开发环境建设经验；\n4、熟悉Linux、容器运行时、网络、存储、镜像构建、远程开发协议等底层技术；\n5、有云厂商、AI平台或基础架构团队经验；\n6、对研发效率、平台产品体验、稳定性和成本优化有深入理解；\n7、了解AI Agent 相关技术，有Agent IDE、AI Coding、自动化研发助手、数据/训练Agent等产品或平台建设经验者优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Linux",
"Kubernetes",
"机器学习",
"分布式系统",
"数据库",
"团队协作"
],
"preferred_qualifications": "1、本科及以上学历，计算机、软件工程或相关专业优先；5、理解资源编排与调度相关技术，有CPU/GPU调度、队列、配额、多租户隔离、弹性伸缩、资源回收等经验者优先；加分项；7、了解AI Agent 相关技术，有Agent IDE、AI Coding、自动化研发助手、数据/训练Agent等产品或平台建设经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7649384363466393861/detail"
}
]
},
"posting": {
"posting_id": "7649384363466393861",
"post_date": "2026-06-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7649384363466393861/detail"
},
"fulltext": "AI Infra平台研发工程师（大模型开发机方向）-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、负责大模型平台开发机的后端系统设计与研发，包括开发机生命周期管理、用户权限与资源隔离等能力；\n2、设计和优化基于Kubernetes的资源编排与调度体系，支持CPU/GPU、共享存储、网络、镜像等复杂资源管理场景；\n3、建设面向算法研发的云端开发体验，包括VS Code Server、SSH、Web IDE、任务环境复用、镜像管理、数据挂载等能力；\n4、负责平台架构设计，提升系统的稳定性、可扩展性、可观测性和运维效率；\n5、与算法、训练平台、基础架构、运维等团队协作，持续提升大模型研发效率和资源利用率；\n6、参与平台工程化建设，包括服务治理、监控告警、日志链路、故障诊断、灰度发布、容量规划和成本优化，跟进云原生、AI Infra、GPU调度、分布式训练、AI Agent等方向的技术演进，并推动在平台中的落地。\n\n职位要求\n1、本科及以上学历，计算机、软件工程或相关专业优先；\n2、具备扎实的软件工程能力与架构基础：\n1）熟悉至少一种主流后端开发语言，如Go、Java、Python、C++等，有较强的系统设计和代码实现能力；\n2）理解分布式系统、高可用设计、服务治理、异步任务、缓存、消息队列、数据库设计等常见后端架构模式；\n3、熟悉应用开发和平台开发，有复杂业务系统、基础平台、研发平台、云平台或机器学习平台建设经验；\n4、熟悉容器化和Kubernetes生态，理解Pod、Deployment、StatefulSet、CRD、Operator、Scheduler、Volume、Network政策等核心机制；\n5、理解资源编排与调度相关技术，有CPU/GPU调度、队列、配额、多租户隔离、弹性伸缩、资源回收等经验者优先；\n6、具备良好的问题分析、故障排查与跨团队协作能力：能独立定位复杂线上问题；能够和算法、平台、SRE、基础设施团队高效配合。\n\n加分项\n1、有机器学习平台、训练平台、开发机平台、AI Infra、MLOps平台建设经验；\n2、熟悉Kubeflow、JupyterHub、Ray、Volcano、Kueue、Argo Workflows、KServe、MLflow等相关技术；\n3、有GPU集群、异构资源调度、分布式训练、模型开发环境建设经验；\n4、熟悉Linux、容器运行时、网络、存储、镜像构建、远程开发协议等底层技术；\n5、有云厂商、AI平台或基础架构团队经验；\n6、对研发效率、平台产品体验、稳定性和成本优化有深入理解；\n7、了解AI Agent 相关技术，有Agent IDE、AI Coding、自动化研发助手、数据/训练Agent等产品或平台建设经验者优先。\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、负责大模型平台开发机的后端系统设计与研发，包括开发机生命周期管理、用户权限与资源隔离等能力；\n2、设计和优化基于Kubernetes的资源编排与调度体系，支持CPU/GPU、共享存储、网络、镜像等复杂资源管理场景；\n3、建设面向算法研发的云端开发体验，包括VS Code Server、SSH、Web IDE、任务环境复用、镜像管理、数据挂载等能力；\n4、负责平台架构设计，提升系统的稳定性、可扩展性、可观测性和运维效率；\n5、与算法、训练平台、基础架构、运维等团队协作，持续提升大模型研发效率和资源利用率；\n6、参与平台工程化建设，包括服务治理、监控告警、日志链路、故障诊断、灰度发布、容量规划和成本优化，跟进云原生、AI Infra、GPU调度、分布式训练、AI Agent等方向的技术演进，并推动在平台中的落地。\n1、本科及以上学历，计算机、软件工程或相关专业优先；\n2、具备扎实的软件工程能力与架构基础：\n1）熟悉至少一种主流后端开发语言，如Go、Java、Python、C++等，有较强的系统设计和代码实现能力；\n2）理解分布式系统、高可用设计、服务治理、异步任务、缓存、消息队列、数据库设计等常见后端架构模式；\n3、熟悉应用开发和平台开发，有复杂业务系统、基础平台、研发平台、云平台或机器学习平台建设经验；\n4、熟悉容器化和Kubernetes生态，理解Pod、Deployment、StatefulSet、CRD、Operator、Scheduler、Volume、Network政策等核心机制；\n5、理解资源编排与调度相关技术，有CPU/GPU调度、队列、配额、多租户隔离、弹性伸缩、资源回收等经验者优先；\n6、具备良好的问题分析、故障排查与跨团队协作能力：能独立定位复杂线上问题；能够和算法、平台、SRE、基础设施团队高效配合。\n\n加分项\n1、有机器学习平台、训练平台、开发机平台、AI Infra、MLOps平台建设经验；\n2、熟悉Kubeflow、JupyterHub、Ray、Volcano、Kueue、Argo Workflows、KServe、MLflow等相关技术；\n3、有GPU集群、异构资源调度、分布式训练、模型开发环境建设经验；\n4、熟悉Linux、容器运行时、网络、存储、镜像构建、远程开发协议等底层技术；\n5、有云厂商、AI平台或基础架构团队经验；\n6、对研发效率、平台产品体验、稳定性和成本优化有深入理解；\n7、了解AI Agent 相关技术，有Agent IDE、AI Coding、自动化研发助手、数据/训练Agent等产品或平台建设经验者优先。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}