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": "火山引擎机器学习异构硬件开发工程师-Data AML",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、主要负责异构计算芯片在机器学习平台的落地，会涉及异构计算芯片的评估、调研，及相关模型的推理、训练的适配、优化等工作；\n2、[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；\n3、[推理]：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；\n4、[训练]：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；\n5、[算子]：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；\n6、[编译]：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。",
"requirements_text": "1、熟练掌握Linux环境下的C/C++、Python语言；能够熟练使用PyTorch，熟悉底层原理及相关实现；\n2、有国产芯片开发经验，寒武纪、昇腾，了解其推理/训练/通信相关优化，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，具有良好的编程风格；\n3、熟悉至少一种经典深度学习模型及其应用场景，如LLM、DiT、Bevformer等；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；\n4、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、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；\n4、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",
"CUDA",
"深度学习",
"数据结构"
],
"preferred_qualifications": "加分项；1、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；4、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/7503446961607297298/detail"
}
]
},
"posting": {
"posting_id": "7503446961607297298",
"post_date": "2025-05-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7503446961607297298/detail"
},
"fulltext": "火山引擎机器学习异构硬件开发工程师-Data AML\n职位描述\n1、主要负责异构计算芯片在机器学习平台的落地，会涉及异构计算芯片的评估、调研，及相关模型的推理、训练的适配、优化等工作；\n2、[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；\n3、[推理]：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；\n4、[训练]：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；\n5、[算子]：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；\n6、[编译]：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。\n\n职位要求\n1、熟练掌握Linux环境下的C/C++、Python语言；能够熟练使用PyTorch，熟悉底层原理及相关实现；\n2、有国产芯片开发经验，寒武纪、昇腾，了解其推理/训练/通信相关优化，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，具有良好的编程风格；\n3、熟悉至少一种经典深度学习模型及其应用场景，如LLM、DiT、Bevformer等；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；\n4、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、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；\n4、了解AI Compiler技术栈（MLIR等），熟悉Torch2.0+编译栈、Triton优先者优先。\n1、主要负责异构计算芯片在机器学习平台的落地，会涉及异构计算芯片的评估、调研，及相关模型的推理、训练的适配、优化等工作；\n2、[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；\n3、[推理]：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；\n4、[训练]：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；\n5、[算子]：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；\n6、[编译]：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。\n1、熟练掌握Linux环境下的C/C++、Python语言；能够熟练使用PyTorch，熟悉底层原理及相关实现；\n2、有国产芯片开发经验，寒武纪、昇腾，了解其推理/训练/通信相关优化，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，具有良好的编程风格；\n3、熟悉至少一种经典深度学习模型及其应用场景，如LLM、DiT、Bevformer等；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；\n4、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、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；\n4、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"
}
}