{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI异构计算优化专家-Seed",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "上海",
        "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": "1、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、推理与训练优化：\n1）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；\n2）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；\n3、算子开发：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；\n4、编译技术落地：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；\n5、前沿技术调研：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、熟练掌握Linux环境下的C/C++、Python语言；\n2、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；\n3、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；\n4、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；\n5、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；\n6、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、了解昇腾、寒武纪等推理/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、了解昇腾、寒武纪等推理/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/experienced/position/7366506598536071461/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7366506598536071461",
        "post_date": "2024-05-08",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7366506598536071461/detail"
    },
    "fulltext": "AI异构计算优化专家-Seed\n职位描述\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、推理与训练优化：\n1）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；\n2）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；\n3、算子开发：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；\n4、编译技术落地：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；\n5、前沿技术调研：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、熟练掌握Linux环境下的C/C++、Python语言；\n2、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；\n3、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；\n4、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；\n5、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；\n6、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、了解昇腾、寒武纪等推理/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。\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、推理与训练优化：\n1）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；\n2）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；\n3、算子开发：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；\n4、编译技术落地：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；\n5、前沿技术调研：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、熟练掌握Linux环境下的C/C++、Python语言；\n2、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；\n3、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；\n4、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；\n5、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；\n6、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、了解昇腾、寒武纪等推理/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"
    }
}