主分类：AI训练推理与计算优化
辅助：云基础设施与系统软件研发（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": "AI基础设施架构师/高级AI基础设施研究员-基础设施",
"job_level": "高级",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": "硕士学位及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、端到端AI Factory架构设计：负责超大规模、高可用AI Factory的端到端架构设计与演进；主导面向万卡/十万卡级GPU/加速器集群的计算、高性能网络（RDMA/RoCE/1、6T/CPO）及低延迟存储系统的协同设计，支撑百亿/千亿参数大模型（LLM/VLM）的高效Pre-training和超大规模分布式Inference工作负载；\n2、下一代分布式调度与资源管理：设计并实现面向服务（SOA/MicROServices）的下一代AI/ML分布式调度系统与集群联邦架构（基于Kubernetes、高性能调度插件或自定义编排框架）；利用智能资源流转、工作负载感知放置（Topology-aware placement）与故障自动恢复（Fault-tolerance）机制，极致提升集群算力利用率（MFU/HFU）并降低TCO；\n3、全栈性能极致优化与瓶颈分析：全链路剖析并优化AI/ML计算堆栈：涵盖机器学习编译器（XLA/TVM/Triton）、通信库（NCCL/RCCL）、算子优化、大模型训练/推理框架（Megatron-LM，DeepSpeed，vLLM等）；主导构建低开销（Low-overhead）的分布式Metrics监控、可观测性系统及微基准测试（Micro-Benchmarking）框架，精准定位并消除超大规模集群的系统级长尾瓶颈；\n4、下一代高性能存储与数据管道：针对大模型长周期训练的Checkpointing、多模态海量数据预处理、以及推理场景下的长文本/高并发需求，设计下一代高性能分布式存储、缓存系统及存算一体架构；主导构建高吞吐的分布式ETL与数据摄取管道。",
"requirements_text": "1、硕士学位及以上，计算机科学、计算机工程、电子工程或相关专业；\n2、工作经验：5年以上高并发/分布式系统工程经验，其中至少3年聚焦于ML/AI基础设施领域，有GPU集群实践经验者优先；\n3、技术功底：深入理解现代GPU/加速器微架构、高速互联架构（NVLink/NVSwitch）及数据中心网络（RDMA/RoCE/InfiniBand）；精通至少一种主流分布式训练/推理框架的底层源码与优化机制；具备扎实的系统编程能力，精通C++、Go或Rust，并具备深厚的Python底层开发与调试功底；\n4、素养：具备出色的第一性原理（First-princIPles）思考能力，面对复杂的软硬件级联故障能迅速推导本质，具备优秀的技术前瞻性。",
"skills": [AI生成
"Python",
"C++",
"Rust",
"分布式系统"
],
"preferred_qualifications": "2、工作经验：5年以上高并发/分布式系统工程经验，其中至少3年聚焦于ML/AI基础设施领域，有GPU集群实践经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7509779941983586568/detail"
}
]
},
"posting": {
"posting_id": "7509779941983586568",
"post_date": "2025-05-29",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7509779941983586568/detail"
},
"fulltext": "AI基础设施架构师/高级AI基础设施研究员-基础设施\n职位描述\n1、端到端AI Factory架构设计：负责超大规模、高可用AI Factory的端到端架构设计与演进；主导面向万卡/十万卡级GPU/加速器集群的计算、高性能网络（RDMA/RoCE/1、6T/CPO）及低延迟存储系统的协同设计，支撑百亿/千亿参数大模型（LLM/VLM）的高效Pre-training和超大规模分布式Inference工作负载；\n2、下一代分布式调度与资源管理：设计并实现面向服务（SOA/MicROServices）的下一代AI/ML分布式调度系统与集群联邦架构（基于Kubernetes、高性能调度插件或自定义编排框架）；利用智能资源流转、工作负载感知放置（Topology-aware placement）与故障自动恢复（Fault-tolerance）机制，极致提升集群算力利用率（MFU/HFU）并降低TCO；\n3、全栈性能极致优化与瓶颈分析：全链路剖析并优化AI/ML计算堆栈：涵盖机器学习编译器（XLA/TVM/Triton）、通信库（NCCL/RCCL）、算子优化、大模型训练/推理框架（Megatron-LM，DeepSpeed，vLLM等）；主导构建低开销（Low-overhead）的分布式Metrics监控、可观测性系统及微基准测试（Micro-Benchmarking）框架，精准定位并消除超大规模集群的系统级长尾瓶颈；\n4、下一代高性能存储与数据管道：针对大模型长周期训练的Checkpointing、多模态海量数据预处理、以及推理场景下的长文本/高并发需求，设计下一代高性能分布式存储、缓存系统及存算一体架构；主导构建高吞吐的分布式ETL与数据摄取管道。\n\n职位要求\n1、硕士学位及以上，计算机科学、计算机工程、电子工程或相关专业；\n2、工作经验：5年以上高并发/分布式系统工程经验，其中至少3年聚焦于ML/AI基础设施领域，有GPU集群实践经验者优先；\n3、技术功底：深入理解现代GPU/加速器微架构、高速互联架构（NVLink/NVSwitch）及数据中心网络（RDMA/RoCE/InfiniBand）；精通至少一种主流分布式训练/推理框架的底层源码与优化机制；具备扎实的系统编程能力，精通C++、Go或Rust，并具备深厚的Python底层开发与调试功底；\n4、素养：具备出色的第一性原理（First-princIPles）思考能力，面对复杂的软硬件级联故障能迅速推导本质，具备优秀的技术前瞻性。\n1、端到端AI Factory架构设计：负责超大规模、高可用AI Factory的端到端架构设计与演进；主导面向万卡/十万卡级GPU/加速器集群的计算、高性能网络（RDMA/RoCE/1、6T/CPO）及低延迟存储系统的协同设计，支撑百亿/千亿参数大模型（LLM/VLM）的高效Pre-training和超大规模分布式Inference工作负载；\n2、下一代分布式调度与资源管理：设计并实现面向服务（SOA/MicROServices）的下一代AI/ML分布式调度系统与集群联邦架构（基于Kubernetes、高性能调度插件或自定义编排框架）；利用智能资源流转、工作负载感知放置（Topology-aware placement）与故障自动恢复（Fault-tolerance）机制，极致提升集群算力利用率（MFU/HFU）并降低TCO；\n3、全栈性能极致优化与瓶颈分析：全链路剖析并优化AI/ML计算堆栈：涵盖机器学习编译器（XLA/TVM/Triton）、通信库（NCCL/RCCL）、算子优化、大模型训练/推理框架（Megatron-LM，DeepSpeed，vLLM等）；主导构建低开销（Low-overhead）的分布式Metrics监控、可观测性系统及微基准测试（Micro-Benchmarking）框架，精准定位并消除超大规模集群的系统级长尾瓶颈；\n4、下一代高性能存储与数据管道：针对大模型长周期训练的Checkpointing、多模态海量数据预处理、以及推理场景下的长文本/高并发需求，设计下一代高性能分布式存储、缓存系统及存算一体架构；主导构建高吞吐的分布式ETL与数据摄取管道。\n1、硕士学位及以上，计算机科学、计算机工程、电子工程或相关专业；\n2、工作经验：5年以上高并发/分布式系统工程经验，其中至少3年聚焦于ML/AI基础设施领域，有GPU集群实践经验者优先；\n3、技术功底：深入理解现代GPU/加速器微架构、高速互联架构（NVLink/NVSwitch）及数据中心网络（RDMA/RoCE/InfiniBand）；精通至少一种主流分布式训练/推理框架的底层源码与优化机制；具备扎实的系统编程能力，精通C++、Go或Rust，并具备深厚的Python底层开发与调试功底；\n4、素养：具备出色的第一性原理（First-princIPles）思考能力，面对复杂的软硬件级联故障能迅速推导本质，具备优秀的技术前瞻性。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T018"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}