部门介绍
字节跳动基础设施计算团队，专注构建面向大模型与 AI Agent 时代的 AI-Native Infra。我们从算力、系统到平台，围绕“AI 如何高效运行、持续进化、规模化落地”这一核心问题，重构计算基础设施。我们管理着数十万台服务器组成的超大规模集群，构建统一的异构算力调度与云原生运行体系；通过软硬协同与自研框架，持续突破大模型训练与推理的性能瓶颈；并进一步向上，打造企业级 AI Agent Infra，让 Agent 具备身份、权限、记忆、观测与治理能力，真正成为可运行在生产环境中的新型“应用形态”。 从云服务器、容器、函数，到 AI 网关、可观测与弹性体系，我们构建的是一个为 AI 而生、由 AI 驱动进化的基础设施平台，支撑集团多个业务与企业级客户的智能化升级。 如果你希望参与定义 AI 时代的 Infra 范式，而不仅是优化一个模块或服务——欢迎加入我们，一起构建下一代 AI 云原生基础设施。
- 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；
- 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。
岗位职责
招聘官网暂未提供完整岗位职责，请前往官网核实。
职位要求
- 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；
- 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；
- 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；
- 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。
