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": "MLOps技术专家-Seed",
"job_level": "专家",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": "运维"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": 3,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：字节跳动Seed团队成立于2023年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed团队在AI领域拥有长期愿景与决心，团队研究方向涵盖MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE等超过50个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包App用户量在中国市场排名第一，豆包大模型日均Token调用量行业领先。\n\n1、负责大规模生成式AI核心场景（LLM、T2I、T2V、生成理解等）的训练系统与异构推理系统稳定性保障，主导性能极致优化，解决训练中断、推理延迟、吞吐量瓶颈等核心问题；\n2、设计并迭代灵活高效的资源调度体系，提升调度效率、资源利用率与调度可解释性，支撑多类型任务（训推/离线推理/在线服务）的精细化调度与优先级管理；\n3、基础设施规划与运维：\n1）主导大规模高速网络（RDMA）与异构算力集群（GPU/国产算力）的规划、部署、运维与优化，保障集群拓扑合理性、网络带宽稳定性与算力资源高效输；\n2）负责高性能存储系统的架构设计、选型与运维，保障存储IO性能、数据可靠性与稳定性，适配大规模训练与推理的数据存取需求；\n4、容量与算力提效管理：\n1）把控容量交付全流程质量，制定科学的容量规划方案，结合业务增长预测完成资源扩容与配置优化，确保容量供应及时、稳定且经济；\n2）推动训推算力并池混部体系建设，优化离线推理等场景的算力资源利用率，构建算力提效与成本管控的运营体系，沉淀提效方法论；\n5、稳定性保障与技术方案输出：\n1）保障在线复杂业务与工程架构的稳定性，建立覆盖训推全链路的监控、告警与故障自愈机制，快速响应并解决生产环境中的复杂技术问题；\n2）对接算法、业务与运维团队，输出MLOps技术解决方案，沉淀大规模生成式AI场景下的工程化最佳实践，推动团队技术能力提升。",
"requirements_text": "1、本科及以上学历，计算机科学、软件工程等相关专业，3年及以上机器学习/生成式AI MLOps相关工作经验；\n2、熟练掌握Python/Go编程语言，具备扎实的Linux环境开发与运维能力，精通Shell脚本编写，能独立完成自动化工具开发；\n3、精通容器化技术（Docker/Kata）与编排工具（Kubernetes），具备异构算力集群（GPU/NPU）的部署、运维与优化经验；熟悉高速网络技术（RDMA）、高性能存储系统（分布式存储/对象存储）的原理与运维，具备相关系统优化实战经验；\n4、精通资源调度系统设计与优化，具备调度策略迭代、资源利用率提升的实战经验，理解调度可解释性的核心设计要点；\n5、具备生成式AI（LLM/生图/生视频）训练/推理系统稳定性保障与性能优化经验，能快速定位并解决训推全链路的复杂技术问题；具备训推算力并池混部、离线推理算力提效相关项目经验，理解算力运营的核心指标与优化方向；\n6、具备优秀的沟通协调能力、跨团队协作精神与自驱力，有强烈的责任心。\n\n加分项：\n1、有LLM、文生图、文生视频等生成式AI模型工程化落地全流程经验者优先；\n2、具备多云/混合云环境下异构算力集群管理与容量规划经验者优先；\n3、熟悉分布式训练框架与推理优化工具，具备相关性能调优经验者优先；\n4、熟悉大规模网络性能调优（RDMA带宽/延迟优化）、存储IO性能瓶颈突破经验者优先；\n5、有复杂算力交付、运营体系搭建经验，具备成本管控、资源利用率提升量化成果者优先；\n6、拥有分布式系统架构设计与故障演练经验者优先。",
"skills": [AI生成
"Python",
"Linux",
"Docker",
"Kubernetes",
"机器学习",
"分布式系统",
"性能优化",
"性能调优",
"系统架构",
"架构设计",
"团队协作",
"沟通协调",
"沟通能力",
"大语言模型"
],
"preferred_qualifications": "加分项：；1、有LLM、文生图、文生视频等生成式AI模型工程化落地全流程经验者优先；2、具备多云/混合云环境下异构算力集群管理与容量规划经验者优先；3、熟悉分布式训练框架与推理优化工具，具备相关性能调优经验者优先；4、熟悉大规模网络性能调优（RDMA带宽/延迟优化）、存储IO性能瓶颈突破经验者优先；5、有复杂算力交付、运营体系搭建经验，具备成本管控、资源利用率提升量化成果者优先；6、拥有分布式系统架构设计与故障演练经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7596956775183632645/detail"
}
]
},
"posting": {
"posting_id": "7596956775183632645",
"post_date": "2026-01-19",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7596956775183632645/detail"
},
"fulltext": "MLOps技术专家-Seed\n职位描述\n团队介绍：字节跳动Seed团队成立于2023年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed团队在AI领域拥有长期愿景与决心，团队研究方向涵盖MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE等超过50个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包App用户量在中国市场排名第一，豆包大模型日均Token调用量行业领先。\n\n1、负责大规模生成式AI核心场景（LLM、T2I、T2V、生成理解等）的训练系统与异构推理系统稳定性保障，主导性能极致优化，解决训练中断、推理延迟、吞吐量瓶颈等核心问题；\n2、设计并迭代灵活高效的资源调度体系，提升调度效率、资源利用率与调度可解释性，支撑多类型任务（训推/离线推理/在线服务）的精细化调度与优先级管理；\n3、基础设施规划与运维：\n1）主导大规模高速网络（RDMA）与异构算力集群（GPU/国产算力）的规划、部署、运维与优化，保障集群拓扑合理性、网络带宽稳定性与算力资源高效输；\n2）负责高性能存储系统的架构设计、选型与运维，保障存储IO性能、数据可靠性与稳定性，适配大规模训练与推理的数据存取需求；\n4、容量与算力提效管理：\n1）把控容量交付全流程质量，制定科学的容量规划方案，结合业务增长预测完成资源扩容与配置优化，确保容量供应及时、稳定且经济；\n2）推动训推算力并池混部体系建设，优化离线推理等场景的算力资源利用率，构建算力提效与成本管控的运营体系，沉淀提效方法论；\n5、稳定性保障与技术方案输出：\n1）保障在线复杂业务与工程架构的稳定性，建立覆盖训推全链路的监控、告警与故障自愈机制，快速响应并解决生产环境中的复杂技术问题；\n2）对接算法、业务与运维团队，输出MLOps技术解决方案，沉淀大规模生成式AI场景下的工程化最佳实践，推动团队技术能力提升。\n\n职位要求\n1、本科及以上学历，计算机科学、软件工程等相关专业，3年及以上机器学习/生成式AI MLOps相关工作经验；\n2、熟练掌握Python/Go编程语言，具备扎实的Linux环境开发与运维能力，精通Shell脚本编写，能独立完成自动化工具开发；\n3、精通容器化技术（Docker/Kata）与编排工具（Kubernetes），具备异构算力集群（GPU/NPU）的部署、运维与优化经验；熟悉高速网络技术（RDMA）、高性能存储系统（分布式存储/对象存储）的原理与运维，具备相关系统优化实战经验；\n4、精通资源调度系统设计与优化，具备调度策略迭代、资源利用率提升的实战经验，理解调度可解释性的核心设计要点；\n5、具备生成式AI（LLM/生图/生视频）训练/推理系统稳定性保障与性能优化经验，能快速定位并解决训推全链路的复杂技术问题；具备训推算力并池混部、离线推理算力提效相关项目经验，理解算力运营的核心指标与优化方向；\n6、具备优秀的沟通协调能力、跨团队协作精神与自驱力，有强烈的责任心。\n\n加分项：\n1、有LLM、文生图、文生视频等生成式AI模型工程化落地全流程经验者优先；\n2、具备多云/混合云环境下异构算力集群管理与容量规划经验者优先；\n3、熟悉分布式训练框架与推理优化工具，具备相关性能调优经验者优先；\n4、熟悉大规模网络性能调优（RDMA带宽/延迟优化）、存储IO性能瓶颈突破经验者优先；\n5、有复杂算力交付、运营体系搭建经验，具备成本管控、资源利用率提升量化成果者优先；\n6、拥有分布式系统架构设计与故障演练经验者优先。\n团队介绍：字节跳动Seed团队成立于2023年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。\nSeed团队在AI领域拥有长期愿景与决心，团队研究方向涵盖MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE等超过50个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包App用户量在中国市场排名第一，豆包大模型日均Token调用量行业领先。\n\n1、负责大规模生成式AI核心场景（LLM、T2I、T2V、生成理解等）的训练系统与异构推理系统稳定性保障，主导性能极致优化，解决训练中断、推理延迟、吞吐量瓶颈等核心问题；\n2、设计并迭代灵活高效的资源调度体系，提升调度效率、资源利用率与调度可解释性，支撑多类型任务（训推/离线推理/在线服务）的精细化调度与优先级管理；\n3、基础设施规划与运维：\n1）主导大规模高速网络（RDMA）与异构算力集群（GPU/国产算力）的规划、部署、运维与优化，保障集群拓扑合理性、网络带宽稳定性与算力资源高效输；\n2）负责高性能存储系统的架构设计、选型与运维，保障存储IO性能、数据可靠性与稳定性，适配大规模训练与推理的数据存取需求；\n4、容量与算力提效管理：\n1）把控容量交付全流程质量，制定科学的容量规划方案，结合业务增长预测完成资源扩容与配置优化，确保容量供应及时、稳定且经济；\n2）推动训推算力并池混部体系建设，优化离线推理等场景的算力资源利用率，构建算力提效与成本管控的运营体系，沉淀提效方法论；\n5、稳定性保障与技术方案输出：\n1）保障在线复杂业务与工程架构的稳定性，建立覆盖训推全链路的监控、告警与故障自愈机制，快速响应并解决生产环境中的复杂技术问题；\n2）对接算法、业务与运维团队，输出MLOps技术解决方案，沉淀大规模生成式AI场景下的工程化最佳实践，推动团队技术能力提升。\n1、本科及以上学历，计算机科学、软件工程等相关专业，3年及以上机器学习/生成式AI MLOps相关工作经验；\n2、熟练掌握Python/Go编程语言，具备扎实的Linux环境开发与运维能力，精通Shell脚本编写，能独立完成自动化工具开发；\n3、精通容器化技术（Docker/Kata）与编排工具（Kubernetes），具备异构算力集群（GPU/NPU）的部署、运维与优化经验；熟悉高速网络技术（RDMA）、高性能存储系统（分布式存储/对象存储）的原理与运维，具备相关系统优化实战经验；\n4、精通资源调度系统设计与优化，具备调度策略迭代、资源利用率提升的实战经验，理解调度可解释性的核心设计要点；\n5、具备生成式AI（LLM/生图/生视频）训练/推理系统稳定性保障与性能优化经验，能快速定位并解决训推全链路的复杂技术问题；具备训推算力并池混部、离线推理算力提效相关项目经验，理解算力运营的核心指标与优化方向；\n6、具备优秀的沟通协调能力、跨团队协作精神与自驱力，有强烈的责任心。\n\n加分项：\n1、有LLM、文生图、文生视频等生成式AI模型工程化落地全流程经验者优先；\n2、具备多云/混合云环境下异构算力集群管理与容量规划经验者优先；\n3、熟悉分布式训练框架与推理优化工具，具备相关性能调优经验者优先；\n4、熟悉大规模网络性能调优（RDMA带宽/延迟优化）、存储IO性能瓶颈突破经验者优先；\n5、有复杂算力交付、运营体系搭建经验，具备成本管控、资源利用率提升量化成果者优先；\n6、拥有分布式系统架构设计与故障演练经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}