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": "性能优化工程师（AI计算方向）-基础库与工具链",
"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": "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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、观测和分析在离线推理和训练场景的业务特点，例如软件热点，硬件瓶颈等，提出优化方案；\n2、利用通用CPU（如ARM、X86、RISC-V等）、GPU、AI加速器架构特点、结合编译/操作系统/高性能库等底层软件技术，联合业务团队，极致优化指定业务性能；\n3、导入异构卡构建/编译方案，适配业务场景，并进行性能评估。",
"requirements_text": "1、了解计算机体系结构、操作系统原理、编译原理、计算机网络中的基本概念和原理；\n2、任一场景，LLM/NLP/推荐/视觉/语音下的训练、推理部署优化相关实践经验；\n3、熟悉一种AI模型训练或推理框架（PyTorch或者Tensorflow）；\n4、了解AI场景的模型/算子编译优化（例如Xla/Torch.Compile/Triton）优先；\n5、有性能评估/预估，算子性能优化、AI计算软硬件协同设计相关实践经验者优先。",
"skills": [AI生成
"PyTorch",
"TensorFlow",
"自然语言处理",
"模型训练",
"性能优化",
"大语言模型"
],
"preferred_qualifications": "4、了解AI场景的模型/算子编译优化（例如Xla/Torch.Compile/Triton）优先；5、有性能评估/预估，算子性能优化、AI计算软硬件协同设计相关实践经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7509044488591427858/detail"
}
]
},
"posting": {
"posting_id": "7509044488591427858",
"post_date": "2025-05-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7509044488591427858/detail"
},
"fulltext": "性能优化工程师（AI计算方向）-基础库与工具链\n职位描述\n1、观测和分析在离线推理和训练场景的业务特点，例如软件热点，硬件瓶颈等，提出优化方案；\n2、利用通用CPU（如ARM、X86、RISC-V等）、GPU、AI加速器架构特点、结合编译/操作系统/高性能库等底层软件技术，联合业务团队，极致优化指定业务性能；\n3、导入异构卡构建/编译方案，适配业务场景，并进行性能评估。\n\n职位要求\n1、了解计算机体系结构、操作系统原理、编译原理、计算机网络中的基本概念和原理；\n2、任一场景，LLM/NLP/推荐/视觉/语音下的训练、推理部署优化相关实践经验；\n3、熟悉一种AI模型训练或推理框架（PyTorch或者Tensorflow）；\n4、了解AI场景的模型/算子编译优化（例如Xla/Torch.Compile/Triton）优先；\n5、有性能评估/预估，算子性能优化、AI计算软硬件协同设计相关实践经验者优先。\n1、观测和分析在离线推理和训练场景的业务特点，例如软件热点，硬件瓶颈等，提出优化方案；\n2、利用通用CPU（如ARM、X86、RISC-V等）、GPU、AI加速器架构特点、结合编译/操作系统/高性能库等底层软件技术，联合业务团队，极致优化指定业务性能；\n3、导入异构卡构建/编译方案，适配业务场景，并进行性能评估。\n1、了解计算机体系结构、操作系统原理、编译原理、计算机网络中的基本概念和原理；\n2、任一场景，LLM/NLP/推荐/视觉/语音下的训练、推理部署优化相关实践经验；\n3、熟悉一种AI模型训练或推理框架（PyTorch或者Tensorflow）；\n4、了解AI场景的模型/算子编译优化（例如Xla/Torch.Compile/Triton）优先；\n5、有性能评估/预估，算子性能优化、AI计算软硬件协同设计相关实践经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}