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": "训练性能优化专家-计算",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "西安",
"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": 5,
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、模型训练优化：主导智能驾驶全栈模型（感知/BEV融合/预测/规划）服务器端训练优化，落地混合精度训练、结构化稀疏化、梯度压缩技术，平衡模型精度、训练效率与服务器资源开销；构建训练性能基准体系与自动化调优/测试管线，支撑规模化训练迭代；\n2、集群分布式优化：攻坚自动驾驶PB级多传感器数据的集群分布式训练，优化跨节点RDMA/TCP通信、低延迟序列化与动态拓扑；适配GPU/国产AI芯片集群，通过数据分片、混合并行（数据+模型+张量+流水线）、通信-计算重叠，突破传输瓶颈，保障训练稳定性。",
"requirements_text": "1、5年以上AI领域实战经验，3年以上智能驾驶服务器端训练优化经验，主导过工业级集群训练项目，有可验证成果；\n2、精通C++/Python高性能编程，深入理解PyTorch/TensorFlow内核与分布式训练逻辑（DDP/DeepSpeed ZeRO），具备神经网络优化、并行计算、多模态数据处理基础；熟悉BEV感知/3D检测等模型训练原理；\n3、至少深耕任一方向：智能驾驶模型量化/稀疏化/梯度压缩及端到端集群训练优化，或集群架构设计/RDMA优化/混合并行策略/海量数据传输优化，或核心算子开发/TVM编译优化/服务器芯片指令集适配；\n4、了解主流服务器AI硬件架构与指令集，熟练运用PyTorch Profiler/NVIDIA Nsight/国产Profiling工具等集群诊断工具，具备全链路瓶颈定位能力。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"模型训练",
"架构设计"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7581768594071472437/detail"
}
]
},
"posting": {
"posting_id": "7581768594071472437",
"post_date": "2025-12-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7581768594071472437/detail"
},
"fulltext": "训练性能优化专家-计算\n职位描述\n1、模型训练优化：主导智能驾驶全栈模型（感知/BEV融合/预测/规划）服务器端训练优化，落地混合精度训练、结构化稀疏化、梯度压缩技术，平衡模型精度、训练效率与服务器资源开销；构建训练性能基准体系与自动化调优/测试管线，支撑规模化训练迭代；\n2、集群分布式优化：攻坚自动驾驶PB级多传感器数据的集群分布式训练，优化跨节点RDMA/TCP通信、低延迟序列化与动态拓扑；适配GPU/国产AI芯片集群，通过数据分片、混合并行（数据+模型+张量+流水线）、通信-计算重叠，突破传输瓶颈，保障训练稳定性。\n\n职位要求\n1、5年以上AI领域实战经验，3年以上智能驾驶服务器端训练优化经验，主导过工业级集群训练项目，有可验证成果；\n2、精通C++/Python高性能编程，深入理解PyTorch/TensorFlow内核与分布式训练逻辑（DDP/DeepSpeed ZeRO），具备神经网络优化、并行计算、多模态数据处理基础；熟悉BEV感知/3D检测等模型训练原理；\n3、至少深耕任一方向：智能驾驶模型量化/稀疏化/梯度压缩及端到端集群训练优化，或集群架构设计/RDMA优化/混合并行策略/海量数据传输优化，或核心算子开发/TVM编译优化/服务器芯片指令集适配；\n4、了解主流服务器AI硬件架构与指令集，熟练运用PyTorch Profiler/NVIDIA Nsight/国产Profiling工具等集群诊断工具，具备全链路瓶颈定位能力。\n1、模型训练优化：主导智能驾驶全栈模型（感知/BEV融合/预测/规划）服务器端训练优化，落地混合精度训练、结构化稀疏化、梯度压缩技术，平衡模型精度、训练效率与服务器资源开销；构建训练性能基准体系与自动化调优/测试管线，支撑规模化训练迭代；\n2、集群分布式优化：攻坚自动驾驶PB级多传感器数据的集群分布式训练，优化跨节点RDMA/TCP通信、低延迟序列化与动态拓扑；适配GPU/国产AI芯片集群，通过数据分片、混合并行（数据+模型+张量+流水线）、通信-计算重叠，突破传输瓶颈，保障训练稳定性。\n1、5年以上AI领域实战经验，3年以上智能驾驶服务器端训练优化经验，主导过工业级集群训练项目，有可验证成果；\n2、精通C++/Python高性能编程，深入理解PyTorch/TensorFlow内核与分布式训练逻辑（DDP/DeepSpeed ZeRO），具备神经网络优化、并行计算、多模态数据处理基础；熟悉BEV感知/3D检测等模型训练原理；\n3、至少深耕任一方向：智能驾驶模型量化/稀疏化/梯度压缩及端到端集群训练优化，或集群架构设计/RDMA优化/混合并行策略/海量数据传输优化，或核心算子开发/TVM编译优化/服务器芯片指令集适配；\n4、了解主流服务器AI硬件架构与指令集，熟练运用PyTorch Profiler/NVIDIA Nsight/国产Profiling工具等集群诊断工具，具备全链路瓶颈定位能力。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}