大模型推理研发专家 - 计算

团队介绍：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。

1、负责构建性能领先的LLM推理服务引擎与平台，大模型推理性能优化，参与Servingkit的研发等开发工作；
2、负责LLM推理服务的全链路性能分析、瓶颈定位与优化，能够深入理解大模型推理服务，通过极致的系统优化，在满足SLO/SLA要求的前提下，最大化推理系统的吞吐、降低时延，并实现成本与性能的最佳平衡；
3、负责大模型推理前瞻性技术架构的调研和引入，技术方案不限于编译优化、模型量化等。

1、熟练掌握Linux环境下的C/C++与Python语言，有机器学习系统相关经验；
2、熟悉至少一种大模型训练/推理框架，包括但不限于：推理（vLLM、TensorRT-LLM、SGLang等）、机器学习框架（TensorFlow/PyTorch等）；
3、具备定位和解决复杂系统性能瓶颈的丰富经验，善于运用各类性能分析工具（perf、eBPF、Nsight等）；
4、优秀的跨团队沟通与协作能力，独立负责并推进技术项目。

加分项
1、在主流大模型推理框架（SGLang、vLLM、TensorRT-LLM等）有深入使用或二次开发经验者优先；
2、理解GPU硬件架构，理解GPU软件栈（CUDA，cuDNN），具备GPU性能分析的经验；
3、对InfiniBand/RDMA网络编程与性能调优有实践经验。