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计算基础设施工程师-基础技术",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "杭州",
"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、负责AI计算基础设施的规划、建设与持续优化，面向大规模模型训练与推理场景，设计并构建与运维以GPU等加速器为核心的计算、网络、存储与调度体系；\n2、结合模型并行策略与底层硬件拓扑，持续提升系统整体性能、资源利用率及稳定性，保障关键业务负载的高效运行；\n3、参与基于Kubernetes的算力调度与资源管理平台建设，实现多租户隔离、弹性伸缩及任务级资源精细化管理；\n4、通过性能分析、故障定位与成本优化手段，在性能、可靠性与成本之间进行系统性权衡，推动AI算力能力的平台化与产品化落地，支撑业务规模化发展。",
"requirements_text": "1、具备Kubernetes集群管理、开源系统开发及性能优化经验；\n2、熟悉语言模型（LLM）及相关扩展模型的基本原理，参与过模型推理和训练基础设施的研发；\n3、熟悉Linux环境下的程序开发与性能优化，具备内核、存储、网络或GPU驱动等相关开发经验者优先。",
"skills": [AI生成
"Linux",
"Kubernetes",
"性能优化",
"大语言模型"
],
"preferred_qualifications": "3、熟悉Linux环境下的程序开发与性能优化，具备内核、存储、网络或GPU驱动等相关开发经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7597007629131778357/detail"
}
]
},
"posting": {
"posting_id": "7597007629131778357",
"post_date": "2026-01-19",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7597007629131778357/detail"
},
"fulltext": "AI计算基础设施工程师-基础技术\n职位描述\n1、负责AI计算基础设施的规划、建设与持续优化，面向大规模模型训练与推理场景，设计并构建与运维以GPU等加速器为核心的计算、网络、存储与调度体系；\n2、结合模型并行策略与底层硬件拓扑，持续提升系统整体性能、资源利用率及稳定性，保障关键业务负载的高效运行；\n3、参与基于Kubernetes的算力调度与资源管理平台建设，实现多租户隔离、弹性伸缩及任务级资源精细化管理；\n4、通过性能分析、故障定位与成本优化手段，在性能、可靠性与成本之间进行系统性权衡，推动AI算力能力的平台化与产品化落地，支撑业务规模化发展。\n\n职位要求\n1、具备Kubernetes集群管理、开源系统开发及性能优化经验；\n2、熟悉语言模型（LLM）及相关扩展模型的基本原理，参与过模型推理和训练基础设施的研发；\n3、熟悉Linux环境下的程序开发与性能优化，具备内核、存储、网络或GPU驱动等相关开发经验者优先。\n1、负责AI计算基础设施的规划、建设与持续优化，面向大规模模型训练与推理场景，设计并构建与运维以GPU等加速器为核心的计算、网络、存储与调度体系；\n2、结合模型并行策略与底层硬件拓扑，持续提升系统整体性能、资源利用率及稳定性，保障关键业务负载的高效运行；\n3、参与基于Kubernetes的算力调度与资源管理平台建设，实现多租户隔离、弹性伸缩及任务级资源精细化管理；\n4、通过性能分析、故障定位与成本优化手段，在性能、可靠性与成本之间进行系统性权衡，推动AI算力能力的平台化与产品化落地，支撑业务规模化发展。\n1、具备Kubernetes集群管理、开源系统开发及性能优化经验；\n2、熟悉语言模型（LLM）及相关扩展模型的基本原理，参与过模型推理和训练基础设施的研发；\n3、熟悉Linux环境下的程序开发与性能优化，具备内核、存储、网络或GPU驱动等相关开发经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}