异构算力研发工程师 - AI算力基础设施

字节跳动基础设施部门，负责字节跳动的全栈算力基础设施，从芯片服务器产研、到超大规模数据中心，到传统云平台和如今的AI Native Cloud，全方位为抖音、豆包、今日头条、飞书、火山引擎等各类产品提供领先、稳定的百万量级大规模算力基础设施服务。我们的领域涵盖数据中心建设、内核操作系统开发、服务器集群管理、高速网络通信、EB级数据存储体系、搜索型数据库探索、基于LLM的AI基础设施的研发调度与治理等，致力于打造业界领先的、面向LLM的AI云原生基础设施架构与产品矩阵。

1. 实例研发与交付：参与异构云服务器实例（GPU、NPU云服务器、裸金属、HPC集群等）的方案设计、开发上线与交付；理解前沿AI业务场景需求，结合火山引擎云基础设施底座及GPU、NPU、CPU、RDMA网卡等硬件特点完成实例研发以及持续的竞争力构建，支撑大模型训练、推理、AI Agent等AI业务的算力需求；
2. 稳定性架构与能力建设：参与异构云服务器的稳定性架构设计与全链路稳定性能力建设；深入理解GPU、NPU、CPU、RDMA网卡等硬件特点及Linux Kernel等系统软件架构，从底层硬件适配到上层软件栈的稳定性保障方案落地，重点面向大模型训练、推理等业务场景，构建异构实例监控、告警、诊断、巡检、自愈等稳定性体系，实现潜在风险的提前识别与自动化处置，持续提升实例运维的效率与质量；
3. 异构算力供给与资源效率：参与异构算力资源供给侧的平台化与智能化建设，保障内外部算力流转的效率与成功率；负责异构资源池的备机管理、碎卡治理、资源画像与潮汐复用策略建设，推动字节跳动内部业务与外部客户的资源高效流转，最大化资源利用率，降低算力使用成本；
4. AI业务场景支持与算力适配：深入理解内外部AI业务场景的算力诉求，从实例层面对接业务需求并给出技术方案；构建典型AI业务场景的算力画像，沉淀场景化实例模板与最佳实践；针对大模型训练、推理、智驾、AIGC、搜广推等场景，开展异构实例与业务框架、分布式策略的兼容性验证与性能摸底；推动业务侧算力问题的端到端闭环，联动底层架构团队解决跨层技术问题，保障业务高效落地；
5. AI与智能化工具研发：参与异构计算垂类Agent与智能化工具的研发，探索AI模式在实例研发、稳定性运维、资源运营等场景的落地；将团队领域知识沉淀为可复用的智能能力，持续提升团队工程效能与业务响应速度。