字节跳动
资源规划管理专家-Data AML
资源规划管理专家-Data AML
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
学历未注明
GPU
SRE
容量规划
FinOps
RDMA
NVLINK
AIGC
算力资源
Cpu/Gpu异构
AI 估算 · 40k–70k
高级专家岗，涉及AIGC核心算力规划，技能稀缺，字节薪资有竞争力。
职位详情
关于这个职位
该职位负责字节跳动全球算力资源的供需平衡与长期规划，涉及AIGC/GPU驱动的算力预测、数据中心布局优化以及资源管理平台架构设计
需要深入理解GPU技术栈和Kubernetes调度，并具备将技术洞察转化为商业战略的能力
适合有5年以上资源规划或SRE经验的专家
最低要求
年以上资源规划、容量管理、SRE或FinOps相关工作经验
拥有规模异构（Heterogeneous）算力资源池（如多台服务器，跨越多代CPU/GPU）的管理实战经验者优先
深刻理解数据密集型与计算密集型业务对底层资源的挑战，熟悉GPU技术栈及其演进，包括不同GPU世代（如A100/H100/B200）的存算/显存约束、NVLink/NVSwitch/RDMA在大规模训练中的作用
熟悉主流容器编排与调度系统（如Kubernetes），并对多业务泳道、在离线业务混部、动态超卖等资源效率提升策略有深入理解和实践
具备卓越的抽象思维与结构化分析能力，能从复杂业务场景中提炼核心矛盾，并构建数学模型进行量化分析，拥有将技术洞察转化为商业语言的能力，能与C-Level高管进行有效对话，驱动战略共识
出色的跨团队沟通与领导力，能够协同产品、研发、SRE、财务、采购等多个部门，推动复杂项目落地
工作职责
负责团队全球算力资源供需平衡与长期演进路径规划，主导构建覆盖全球各区域、各业务线的算力供需预测模型，针对AIGC/GPU驱动的爆发式需求提供多视角滚动预测与情景规划，制定动态全球资源均衡策略，规划数据中心、网络及服务器资源的长期布局与演进路线图
负责硬核基础设施对齐与物理层布局优化，将宏观容量规划拆解至物理执行层面，评估不同技术方案的物理约束与影响，前瞻性识别并规避潜在物理瓶颈，确保资源规划方案的可行性与可靠性
参与“资源自主管理平台”的整体规划与架构设计，打通申请—审批—分配—使用—优化—回收全链路，实现策略的流程化与界面化落地
在资源自主管理平台入口侧承接供需预测与预算信息，对接配额申请与变更流程，支持多维度的配额自动核配与调整
在资源自主管理平台中内嵌容量视图与资源健康度指标，对接机房与集群容量红线，提供在线反馈与替代方案，避免规划与实际资源脱节
基于对业务趋势与技术架构的理解，优化数据中心地理分布、物理节点与网络架构的对齐逻辑，保障资源布局的合理性与前瞻性
AI 洞察
优缺点分析
优点
- 深度参与AIGC基础设施核心环节，技术栈前沿且稀缺
- 字节跳动平台大，资源多，能快速积累大规模集群管理经验
- 薪资和福利在行业内具有很强竞争力
- 技术要求全面，需同时掌握硬件、网络、调度和业务策略
- 跨团队协作复杂，对沟通和推动力要求极高
缺点 / 挑战
- 工作强度较高，可能需要应对紧急的资源调配和故障
- 适合在SRE或资源管理领域有深厚积累，渴望挑战新技术、拥抱AIGC浪潮的技术专家
角色解读
- 向数据中心或云平台架构总监方向发展，统筹全球算力基础设施
- 横向扩展至技术运营或IT战略规划，成为CTO的技术战略参谋
- 在AIGC算力稀缺大背景下，保值性强，可向更高层管理岗位晋升
- 构建全球算力供需预测模型，为AIGC业务提供资源规划决策支持
- 优化数据中心物理布局和GPU集群配置，提升资源利用效率
- 参与资源管理平台设计，实现配额审批、容量监控和成本优化自动化
- 与产品、研发、SRE、财务等多部门协同，推动资源规划落地
- 精通GPU技术栈（A100/H100/B100）及大规模训练网络架构（NVLink/NVSwitch/RDMA）
- 熟悉Kubernetes及在离线混部、动态超卖等资源调度策略
- 具备数学建模和量化分析能力，能从复杂业务中提炼核心矛盾
- 出色的跨团队沟通和战略汇报能力，能向C-Level清晰表达技术方案
申请策略
- 关注字节跳动在AIGC领域的战略投入，面试时展现对业务的理解
- 准备一个你主导过的资源规划或容量管理的完整项目案例
- 突出GPU集群管理经验及Kubernetes大规模实践案例
- 量化资源优化成果（如提升利用率、降低成本等）
- 展示与高管沟通和跨部门推动项目的具体经历
- 补齐FinOps相关知识，如成本分摊、预算规划
- 深入学习AIGC训练任务特性，如分布式训练中的网络瓶颈
面试指南
- 采用STAR法则：场景、任务、行动、结果，重点展示量化分析
- 对于开放式问题，先拆分维度（技术、成本、业务），再给出共识
- 体现数据驱动思维：说明数据来源、模型假设和验证方式
- 如何预测未来一年某个业务线的GPU算力需求？需要哪些输入数据？
- 请描述一次你优化数据中心布局或资源分配的经验
- 如果某集群利用率长期低于60%，你会如何改善？
- 如何向CFO解释增加GPU预算的必要性？
- 你如何评估不同代际GPU（如H100 vs B200）的性价比？
匹配度报告
70
综合匹配度
高薪高成长，专注AIGC算力规划，但要求现场办公且强度较大。
适合人群
最适合追求技术成长和职业高速发展的求职者，愿意接受现场办公和较高工作强度。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活40
使命价值70
薪资福利匹配
80较高
字节跳动薪资在行业内处于领先水平，虽未在JD中明示，但结合公司规模和岗位稀缺性，预计薪酬具有强竞争力。
薪资信号未披露（AI估算：40K-70K/月）
成长发展匹配
90较高
岗位涉及AIGC最前沿的算力规划技术，使用GPU集群、Kubernetes等，成长空间极大，且能接触到公司战略层面决策。
技术前沿前沿/新兴技术
技术栈GPU、Kubernetes、AIGC、NVLink、RDMA、容器编排
业务类型cost_center
工作生活匹配
40较低
仅现场办公，地点在北京核心区，但未提及弹性工作或远程选项，加之字节互联网节奏，WLB可能一般。
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
AIGC是高速增长赛道，社会影响力中性，但岗位本身偏向成本效率优化，使命导向不强烈。
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
字节跳动 的其他在招职位
相似职位推荐
Watch Jobs