字节跳动
具身智能推理性能优化工程师-Seed
具身智能推理性能优化工程师-Seed
发布于 大约 9 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
深度学习
CUDA
量化
GPU性能优化
cuDNN
蒸馏
vLLM
TensorRT-LLM
算子融合
具身智能
AI 估算 · 30k–60k
字节跳动是头部互联网公司，北京高级AI工程师薪资较高，且该职位要求GPU优化等稀缺技能，竞争力强。
职位详情
关于这个职位
该职位负责具身智能模型在云端和端侧的推理性能优化，通过量化、剪枝、算子融合等技术手段提升GPU性能，并与算法团队深度合作进行联合优化
适合对AI工程优化有热情、精通C++和CUDA的工程师
最低要求
本科及以上学历，计算机/电子/自动化/软件等相关专业，有AI工程优化经验的优先
精通C/C++，精通算法与数据结构，熟悉Python
了解深度学习算法基本原理，熟悉神经网络基本架构和各算子计算方式，了解至少一种深度学习训练框架
熟练使用GPU或NPU高性能编程技术为模型训练或推理加速，例如：CUDA、CUDNN、CUTLASS、Triton等
工作职责
负责具身智能相关模型云侧和端侧模型的性能优化和部署
运用性能分析工具，对模型推理过程进行性能剖析，定位性能瓶颈，提出有效的优化方案，并通过实验验证优化效果
通过量化、剪枝、蒸馏、算子融合、Cuda算子编写等性能优化的手段，结合业务需求，将GPU性能发挥到极致
与算法部门深度合作，进行算法与系统的联合优化
优先资格
）具备自动驾驶或机器人业务背景，有NVIDIA Jetson开发经验
）熟悉大模型量化或蒸馏技术，例如：SmoothQuant、GPTQ、LCM、LCM-LoRA等
）熟练使用开源推理加速工具为模型加速，例如：TensorRT-LLM、vLLM、TVM、Torch.Compile等，并理解其优化原理
AI 洞察
优缺点分析
优点
- 字节跳动平台大，资源充足，技术氛围浓厚
- 具身智能是前沿赛道，技术积累有长期价值
- 薪资福利优厚，年终奖和股票收益可观
- 技术迭代快，需要持续学习新框架和工具
- 对性能极致要求，可能需要调试底层硬件细节
缺点 / 挑战
- 工作强度和压力较大，可能需要应对紧急项目
- 适合对AI工程优化有强烈兴趣，喜欢挑战极限性能，并愿意在高压环境下快速成长的工程师
角色解读
- 技术方向：成为AI系统优化专家，主导大模型推理引擎研发
- 管理方向：带领团队负责整体AI工程化落地
- 跨领域：转向具身智能算法或自动驾驶感知算法
- 负责具身智能模型的推理性能优化，包括云端和端侧部署
- 使用性能分析工具定位瓶颈，通过量化、剪枝、算子融合等手段提升GPU利用率
- 编写CUDA算子优化关键计算，与算法团队协作实现系统级加速
- 精通C/C++和Python，熟悉算法与数据结构
- 深入理解深度学习原理与神经网络架构，熟悉训练框架
- 熟练使用CUDA、CUDNN等GPU编程技术进行模型加速
申请策略
- 了解字节跳动Seed团队的产品方向，面试中展示业务理解
- 准备一个完整的性能优化案例，从分析到落地的过程
- 突出GPU优化项目经验，量化/蒸馏/算子融合实际案例
- 强调C++和CUDA编程能力，可附上GitHub代码仓库
- 写明具身智能、自动驾驶或机器人相关背景
- 提前学习TensorRT-LLM、vLLM等推理加速框架
- 补充经典量化和蒸馏论文（SmoothQuant、GPTQ等）
面试指南
- 对于技术问题，先明确问题边界，再分步骤讲解优化方案
- 对于项目经历，使用STAR法则（情境-任务-行动-结果）陈述
- 对于开放性问题，结合实际案例，展示解决思路和量化效果
- 如何对Transformer模型进行量化？你了解哪些量化方法？
- 请解释CUDA中的共享内存和全局内存优化策略
- 描述一次你如何定位并解决模型推理瓶颈的经历
- 了解TensorRT-LLM吗？其工作原理是什么？
- 复习深度学习推理优化经典论文和主流工具
匹配度报告
71
综合匹配度
字节跳动具身智能推理优化岗，前沿技术栈，高薪高压，发展空间大。
适合人群
适合重视技术成长和薪资回报，能接受高强度工作的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利匹配
85较高
字节跳动薪资水平位于行业头部，福利完善，但工作强度较高，整体补偿性动机满足良好。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
90较高
职位涉及具身智能前沿技术和GPU性能优化，技术成长空间大，且字节跳动内部技术分享丰富。
技术前沿前沿/新兴技术
技术栈CUDA、量化、蒸馏、TensorRT-LLM、vLLM、Triton、具身智能
业务类型profit_center
工作生活匹配
40较低
字节跳动通常工作节奏快，加班可能较多，且仅现场办公，生活化动机满足较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
具身智能是高速增长赛道，对社会有潜在正向影响，但职位更偏工程实现而非直接社会价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs