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": "AI服务端架构师-剪映CapCut（北京/上海/深圳）",
"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、参与剪映系产品涉及的关键算法模型的工程部署和推理优化，落地行业中一些推理加速方法、工具等；\n2、参与剪映系GPU资源优化，建设GPU管理系统在不同Infra平台上管理不同模型的GPU资源，与Infra团队协作，提升整体剪映系GPU利用率。",
"requirements_text": "1、本科及以上学历，计算机相关专业；\n2、熟练掌握C++/Golang，精通数据结构与算法，有并发编程基础；\n3、有服务端工程研发和维护经验，有较好的服务端架构优化经验；\n4、具备扎实的GPU编程基础，包括CUDA，Trtion，Cutlass等，熟悉大模型网络架构和和算子实现细节，有丰富的模型和算子性能调优实战经验；\n5、具有Diffusion/DiT类AIGC模型的工程化和推理加速经验，熟悉PyTorch，熟悉xDiT/LightX2V等DiT推理框架及常用DiT推理加速技术；\n6、熟悉大模型的模型量化、剪枝、蒸馏等模型压缩技术。\n\n加分项：\n1、熟悉PyTorch/TensorFlow或其他主流深度学习技术框架；\n2、具有AIGC模型训练/推理优化经验，熟悉TensorRT-LLM、VLLM等LLM推理效率优化工具者优先。",
"skills": [AI生成
"C++",
"Golang",
"PyTorch",
"TensorFlow",
"CUDA",
"深度学习",
"数据结构",
"模型训练",
"性能调优",
"Go",
"大语言模型"
],
"preferred_qualifications": "加分项：；2、具有AIGC模型训练/推理优化经验，熟悉TensorRT-LLM、VLLM等LLM推理效率优化工具者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7527932848427780360/detail"
}
]
},
"posting": {
"posting_id": "7527932848427780360",
"post_date": "2025-07-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7527932848427780360/detail"
},
"fulltext": "AI服务端架构师-剪映CapCut（北京/上海/深圳）\n职位描述\n1、参与剪映系产品涉及的关键算法模型的工程部署和推理优化，落地行业中一些推理加速方法、工具等；\n2、参与剪映系GPU资源优化，建设GPU管理系统在不同Infra平台上管理不同模型的GPU资源，与Infra团队协作，提升整体剪映系GPU利用率。\n\n职位要求\n1、本科及以上学历，计算机相关专业；\n2、熟练掌握C++/Golang，精通数据结构与算法，有并发编程基础；\n3、有服务端工程研发和维护经验，有较好的服务端架构优化经验；\n4、具备扎实的GPU编程基础，包括CUDA，Trtion，Cutlass等，熟悉大模型网络架构和和算子实现细节，有丰富的模型和算子性能调优实战经验；\n5、具有Diffusion/DiT类AIGC模型的工程化和推理加速经验，熟悉PyTorch，熟悉xDiT/LightX2V等DiT推理框架及常用DiT推理加速技术；\n6、熟悉大模型的模型量化、剪枝、蒸馏等模型压缩技术。\n\n加分项：\n1、熟悉PyTorch/TensorFlow或其他主流深度学习技术框架；\n2、具有AIGC模型训练/推理优化经验，熟悉TensorRT-LLM、VLLM等LLM推理效率优化工具者优先。\n1、参与剪映系产品涉及的关键算法模型的工程部署和推理优化，落地行业中一些推理加速方法、工具等；\n2、参与剪映系GPU资源优化，建设GPU管理系统在不同Infra平台上管理不同模型的GPU资源，与Infra团队协作，提升整体剪映系GPU利用率。\n1、本科及以上学历，计算机相关专业；\n2、熟练掌握C++/Golang，精通数据结构与算法，有并发编程基础；\n3、有服务端工程研发和维护经验，有较好的服务端架构优化经验；\n4、具备扎实的GPU编程基础，包括CUDA，Trtion，Cutlass等，熟悉大模型网络架构和和算子实现细节，有丰富的模型和算子性能调优实战经验；\n5、具有Diffusion/DiT类AIGC模型的工程化和推理加速经验，熟悉PyTorch，熟悉xDiT/LightX2V等DiT推理框架及常用DiT推理加速技术；\n6、熟悉大模型的模型量化、剪枝、蒸馏等模型压缩技术。\n\n加分项：\n1、熟悉PyTorch/TensorFlow或其他主流深度学习技术框架；\n2、具有AIGC模型训练/推理优化经验，熟悉TensorRT-LLM、VLLM等LLM推理效率优化工具者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}