主分类：云基础设施与系统软件研发
辅助：AI训练推理与计算优化（仅展示）
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": "异构算力研发工程师 - AI算力基础设施",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、西安、杭州",
"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": "2027届获得本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：字节跳动基础设施部门，负责字节跳动的全栈算力基础设施，从芯片服务器产研、到超大规模数据中心，到传统云平台和如今的AI Native Cloud，全方位为抖音、豆包、今日头条、飞书、火山引擎等各类产品提供领先、稳定的百万量级大规模算力基础设施服务。我们的领域涵盖数据中心建设、内核操作系统开发、服务器集群管理、高速网络通信、EB级数据存储体系、搜索型数据库探索、基于LLM的AI基础设施的研发调度与治理等，致力于打造业界领先的、面向LLM的AI云原生基础设施架构与产品矩阵。\n\n1、实例研发与交付：参与异构云服务器实例（GPU、NPU云服务器、裸金属、HPC集群等）的方案设计、开发上线与交付；理解前沿AI业务场景需求，结合火山引擎云基础设施底座及GPU、NPU、CPU、RDMA网卡等硬件特点完成实例研发以及持续的竞争力构建，支撑大模型训练、推理、AI Agent等AI业务的算力需求；\n2、稳定性架构与能力建设：参与异构云服务器的稳定性架构设计与全链路稳定性能力建设；深入理解GPU、NPU、CPU、RDMA网卡等硬件特点及Linux Kernel等系统软件架构，从底层硬件适配到上层软件栈的稳定性保障方案落地，重点面向大模型训练、推理等业务场景，构建异构实例监控、告警、诊断、巡检、自愈等稳定性体系，实现潜在风险的提前识别与自动化处置，持续提升实例运维的效率与质量；\n3、异构算力供给与资源效率：参与异构算力资源供给侧的平台化与智能化建设，保障内外部算力流转的效率与成功率；负责异构资源池的备机管理、碎卡治理、资源画像与潮汐复用策略建设，推动字节跳动内部业务与外部客户的资源高效流转，最大化资源利用率，降低算力使用成本；\n4、AI业务场景支持与算力适配：深入理解内外部AI业务场景的算力诉求，从实例层面对接业务需求并给出技术方案；构建典型AI业务场景的算力画像，沉淀场景化实例模板与最佳实践；针对大模型训练、推理、智驾、AIGC、搜广推等场景，开展异构实例与业务框架、分布式策略的兼容性验证与性能摸底；推动业务侧算力问题的端到端闭环，联动底层架构团队解决跨层技术问题，保障业务高效落地；\n5、AI与智能化工具研发：参与异构计算垂类Agent与智能化工具的研发，探索AI模式在实例研发、稳定性运维、资源运营等场景的落地；将团队领域知识沉淀为可复用的智能能力，持续提升团队工程效能与业务响应速度。",
"requirements_text": "1、2027届获得本科及以上学历，计算机、软件工程、电子信息、微电子等相关专业优先；\n2、掌握扎实的算法、数据结构、操作系统、计算机网络与计算机体系结构基础，熟练掌握C/C++、Python、Go中至少一种编程语言；\n3、对以下方向中的一个或多个具备背景知识或研究兴趣：GPU/NPU/RDMA网卡硬件与驱动、高性能网络（RDMA/NVLink/IB）、虚拟化技术（KVM/QEMU）、云计算管控平台、Linux Kernel；\n4、具备良好的沟通协调能力、学习能力与责任心，乐于团队协作，能够积极配合完成分配的任务。\n\n加分项\n1、具备GPU/NPU/CPU、RDMA相关性能分析、故障排查及监控工具的开发或使用经验，熟悉Linux系统常用调试工具与方法；\n2、对AI训练/推理任务的运行方式、系统级挑战有基本认知，有GPU驱动、CUDA环境、集合通信库（NCCL/HCCL）的部署、配置或排障经验；\n3、有大模型训练/推理任务在多机多卡集群上的部署、兼容性验证或性能摸底经历；\n4、有LLM应用开发、AI Agent或AI工具相关的项目经验，对用AI提升工程效能有实践和思考；\n5、熟悉QEMU、KVM、vfio、SR-IOV等虚拟化/直通技术，或Kubernetes/容器技术，有相关开发或使用经验；\n6、关注国产AI加速卡与自研芯片的生态发展，有相关调研或实验经验；有异构计算、AI Infra方向的顶会/期刊论文、开源贡献或高质量博客产出。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"Kubernetes",
"CUDA",
"数据结构",
"模型训练",
"团队协作",
"沟通协调",
"沟通能力",
"学习能力",
"大语言模型"
],
"preferred_qualifications": "1、2027届获得本科及以上学历，计算机、软件工程、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/campus/position/7667485694411098373/detail"
}
]
},
"posting": {
"posting_id": "7667485694411098373",
"post_date": "2026-07-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7667485694411098373/detail"
},
"fulltext": "异构算力研发工程师 - AI算力基础设施\n职位描述\n团队介绍：字节跳动基础设施部门，负责字节跳动的全栈算力基础设施，从芯片服务器产研、到超大规模数据中心，到传统云平台和如今的AI Native Cloud，全方位为抖音、豆包、今日头条、飞书、火山引擎等各类产品提供领先、稳定的百万量级大规模算力基础设施服务。我们的领域涵盖数据中心建设、内核操作系统开发、服务器集群管理、高速网络通信、EB级数据存储体系、搜索型数据库探索、基于LLM的AI基础设施的研发调度与治理等，致力于打造业界领先的、面向LLM的AI云原生基础设施架构与产品矩阵。\n\n1、实例研发与交付：参与异构云服务器实例（GPU、NPU云服务器、裸金属、HPC集群等）的方案设计、开发上线与交付；理解前沿AI业务场景需求，结合火山引擎云基础设施底座及GPU、NPU、CPU、RDMA网卡等硬件特点完成实例研发以及持续的竞争力构建，支撑大模型训练、推理、AI Agent等AI业务的算力需求；\n2、稳定性架构与能力建设：参与异构云服务器的稳定性架构设计与全链路稳定性能力建设；深入理解GPU、NPU、CPU、RDMA网卡等硬件特点及Linux Kernel等系统软件架构，从底层硬件适配到上层软件栈的稳定性保障方案落地，重点面向大模型训练、推理等业务场景，构建异构实例监控、告警、诊断、巡检、自愈等稳定性体系，实现潜在风险的提前识别与自动化处置，持续提升实例运维的效率与质量；\n3、异构算力供给与资源效率：参与异构算力资源供给侧的平台化与智能化建设，保障内外部算力流转的效率与成功率；负责异构资源池的备机管理、碎卡治理、资源画像与潮汐复用策略建设，推动字节跳动内部业务与外部客户的资源高效流转，最大化资源利用率，降低算力使用成本；\n4、AI业务场景支持与算力适配：深入理解内外部AI业务场景的算力诉求，从实例层面对接业务需求并给出技术方案；构建典型AI业务场景的算力画像，沉淀场景化实例模板与最佳实践；针对大模型训练、推理、智驾、AIGC、搜广推等场景，开展异构实例与业务框架、分布式策略的兼容性验证与性能摸底；推动业务侧算力问题的端到端闭环，联动底层架构团队解决跨层技术问题，保障业务高效落地；\n5、AI与智能化工具研发：参与异构计算垂类Agent与智能化工具的研发，探索AI模式在实例研发、稳定性运维、资源运营等场景的落地；将团队领域知识沉淀为可复用的智能能力，持续提升团队工程效能与业务响应速度。\n\n职位要求\n1、2027届获得本科及以上学历，计算机、软件工程、电子信息、微电子等相关专业优先；\n2、掌握扎实的算法、数据结构、操作系统、计算机网络与计算机体系结构基础，熟练掌握C/C++、Python、Go中至少一种编程语言；\n3、对以下方向中的一个或多个具备背景知识或研究兴趣：GPU/NPU/RDMA网卡硬件与驱动、高性能网络（RDMA/NVLink/IB）、虚拟化技术（KVM/QEMU）、云计算管控平台、Linux Kernel；\n4、具备良好的沟通协调能力、学习能力与责任心，乐于团队协作，能够积极配合完成分配的任务。\n\n加分项\n1、具备GPU/NPU/CPU、RDMA相关性能分析、故障排查及监控工具的开发或使用经验，熟悉Linux系统常用调试工具与方法；\n2、对AI训练/推理任务的运行方式、系统级挑战有基本认知，有GPU驱动、CUDA环境、集合通信库（NCCL/HCCL）的部署、配置或排障经验；\n3、有大模型训练/推理任务在多机多卡集群上的部署、兼容性验证或性能摸底经历；\n4、有LLM应用开发、AI Agent或AI工具相关的项目经验，对用AI提升工程效能有实践和思考；\n5、熟悉QEMU、KVM、vfio、SR-IOV等虚拟化/直通技术，或Kubernetes/容器技术，有相关开发或使用经验；\n6、关注国产AI加速卡与自研芯片的生态发展，有相关调研或实验经验；有异构计算、AI Infra方向的顶会/期刊论文、开源贡献或高质量博客产出。\n团队介绍：字节跳动基础设施部门，负责字节跳动的全栈算力基础设施，从芯片服务器产研、到超大规模数据中心，到传统云平台和如今的AI Native Cloud，全方位为抖音、豆包、今日头条、飞书、火山引擎等各类产品提供领先、稳定的百万量级大规模算力基础设施服务。我们的领域涵盖数据中心建设、内核操作系统开发、服务器集群管理、高速网络通信、EB级数据存储体系、搜索型数据库探索、基于LLM的AI基础设施的研发调度与治理等，致力于打造业界领先的、面向LLM的AI云原生基础设施架构与产品矩阵。\n\n1、实例研发与交付：参与异构云服务器实例（GPU、NPU云服务器、裸金属、HPC集群等）的方案设计、开发上线与交付；理解前沿AI业务场景需求，结合火山引擎云基础设施底座及GPU、NPU、CPU、RDMA网卡等硬件特点完成实例研发以及持续的竞争力构建，支撑大模型训练、推理、AI Agent等AI业务的算力需求；\n2、稳定性架构与能力建设：参与异构云服务器的稳定性架构设计与全链路稳定性能力建设；深入理解GPU、NPU、CPU、RDMA网卡等硬件特点及Linux Kernel等系统软件架构，从底层硬件适配到上层软件栈的稳定性保障方案落地，重点面向大模型训练、推理等业务场景，构建异构实例监控、告警、诊断、巡检、自愈等稳定性体系，实现潜在风险的提前识别与自动化处置，持续提升实例运维的效率与质量；\n3、异构算力供给与资源效率：参与异构算力资源供给侧的平台化与智能化建设，保障内外部算力流转的效率与成功率；负责异构资源池的备机管理、碎卡治理、资源画像与潮汐复用策略建设，推动字节跳动内部业务与外部客户的资源高效流转，最大化资源利用率，降低算力使用成本；\n4、AI业务场景支持与算力适配：深入理解内外部AI业务场景的算力诉求，从实例层面对接业务需求并给出技术方案；构建典型AI业务场景的算力画像，沉淀场景化实例模板与最佳实践；针对大模型训练、推理、智驾、AIGC、搜广推等场景，开展异构实例与业务框架、分布式策略的兼容性验证与性能摸底；推动业务侧算力问题的端到端闭环，联动底层架构团队解决跨层技术问题，保障业务高效落地；\n5、AI与智能化工具研发：参与异构计算垂类Agent与智能化工具的研发，探索AI模式在实例研发、稳定性运维、资源运营等场景的落地；将团队领域知识沉淀为可复用的智能能力，持续提升团队工程效能与业务响应速度。\n1、2027届获得本科及以上学历，计算机、软件工程、电子信息、微电子等相关专业优先；\n2、掌握扎实的算法、数据结构、操作系统、计算机网络与计算机体系结构基础，熟练掌握C/C++、Python、Go中至少一种编程语言；\n3、对以下方向中的一个或多个具备背景知识或研究兴趣：GPU/NPU/RDMA网卡硬件与驱动、高性能网络（RDMA/NVLink/IB）、虚拟化技术（KVM/QEMU）、云计算管控平台、Linux Kernel；\n4、具备良好的沟通协调能力、学习能力与责任心，乐于团队协作，能够积极配合完成分配的任务。\n\n加分项\n1、具备GPU/NPU/CPU、RDMA相关性能分析、故障排查及监控工具的开发或使用经验，熟悉Linux系统常用调试工具与方法；\n2、对AI训练/推理任务的运行方式、系统级挑战有基本认知，有GPU驱动、CUDA环境、集合通信库（NCCL/HCCL）的部署、配置或排障经验；\n3、有大模型训练/推理任务在多机多卡集群上的部署、兼容性验证或性能摸底经历；\n4、有LLM应用开发、AI Agent或AI工具相关的项目经验，对用AI提升工程效能有实践和思考；\n5、熟悉QEMU、KVM、vfio、SR-IOV等虚拟化/直通技术，或Kubernetes/容器技术，有相关开发或使用经验；\n6、关注国产AI加速卡与自研芯片的生态发展，有相关调研或实验经验；有异构计算、AI Infra方向的顶会/期刊论文、开源贡献或高质量博客产出。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}