字节跳动
大模型数据研发工程师-火山方舟
大模型数据研发工程师-火山方舟
发布于 大约 14 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
GO
ETL
大模型
ClickHouse
Kv Cache
Token
AI 估算 · 40k–60k
高级数据研发，大模型前沿领域，字节跳动核心业务，薪资竞争力强
职位详情
关于这个职位
该职位是字节跳动火山引擎（火山方舟）的大模型数据研发工程师，主要负责构建算力流转模型与数据映射体系，开发高吞吐ETL流程，打通GPU资源到商业计费的全链路价值，并优化算力资源配置
你将深入大模型基础设施与商业化计量，处理海量多源异构数据，驱动AI算力效能诊断与商业收益闭环
适合有深厚大数据功底、对大模型推理基础设施和系统架构有热情的技术专家
最低要求
熟练掌握Python/Go/Java等至少一门后端编程语言，编程基础扎实，具备良好的架构设计能力，能将复杂的数学模型与商业逻辑转化为高质量的工程代码
具备深厚的大数据处理经验，熟悉Hive、ClickHouse、Spark/Flink等主流组件，能够独立主导从底层业务数据探勘、ETL链路开发到数仓重构的全流程
具备较强的业务同理心与跨团队协作能力，沟通逻辑清晰，能快速领会复杂的大模型算力调度和MAAS业务商业化计量计费逻辑
具备独立破局与技术攻坚能力，能在复杂的底层异构系统中，通过逆向阅读代码与日志流向摸排核心数据，填补系统层面的数据断层
工作职责
构建算力流转理论模型与业务实际数据映射体系，以Token为媒介，打通从物理资源到商业计量计费的全链路价值脉络，驱动算力效能诊断与商业收益闭环
负责算力Token库存和成本的底层数据架构建设与重构，开发高吞吐ETL流程，保障多源异构底层物理GPU资源到顶层商业SKU的精准及时抽取与映射，打通Token粒度的价值链路
AI算力供需与底层效能建模，联合业务方将算力供给约束、调度策略与商业化售卖组合转化为工程算法，支撑算力资源最优配置与经济价值最大化
构建自动化业务数据监控与基准值对比体系，剖析底层算力经济价值最优基准值与实际值的差距，输出数据洞察反向驱动商业策略调整与计算资源分配优化
优先资格
具备大模型推理基础设施（深入理解Token核算机制、KV Cache调度等）、云计算底层商业化计费或AI算力供应链体系建设经验者优先
AI 洞察
优缺点分析
- 技术前沿：直接接触大模型推理基础设施，掌握Token核算、KV Cache调度等核心知识
- 平台强大：字节跳动和火山引擎的资源与场景，提供海量数据和算力实践机会
- 职业前景好：AI算力商业化是新兴高增长领域，人才稀缺，薪资涨幅空间大
- 技能积累全面：涵盖大数据、系统架构、商业建模，综合能力提升快
- 工作强度大：大厂核心业务，项目节奏快，可能需要应对紧急的线上问题
- 技术复杂度高：涉及底层GPU、分布式系统、商业计费等，对系统性思维要求高
- 跨团队协作沟通频繁：需要与算法、产品、销售等多方对接，沟通成本较高
- 适合技术基础扎实、对系统架构和商业模型均有兴趣，且追求高成长性和技术影响力的后端/数据工程师
角色解读
- 技术纵深发展：成为大模型基础设施数据方向的专家，掌握算力调度的核心算法与工程实践
- 横向转型机会：向AI平台架构师、商业化解决方案架构师或技术管理岗位发展
- 行业稀缺性：大模型算力优化是当前热点，经验积累后具备极高市场价值
- 设计并构建算力流转理论模型，以Token为媒介打通从GPU底层到商业计费的全链路数据映射
- 开发高吞吐ETL流程，处理多源异构GPU资源数据，保障实时精准映射到商业SKU
- 进行算力供需与效能建模，将调度策略转化为工程算法，驱动资源配置优化
- 构建自动化监控体系，分析实际值与基准值的差距，输出数据洞察反向调整商业策略
- 扎实的编程能力：精通Python/Go/Java，具备良好架构设计，能独立完成复杂系统开发
- 深厚的大数据功底：熟练使用Hive、ClickHouse、Spark/Flink，能主导全流程数据开发
- 业务理解与跨团队协作：能快速领会大模型算力调度和商业化计量计费逻辑
- 系统攻坚能力：能在异构底层系统中逆向代码和日志，排查数据断层
申请策略
- 字节跳动非常看重“务实、敢为”的价值观，简历和面试中要体现主动解决复杂问题的能力
- 提前了解火山引擎和火山方舟的业务方向，展示对AI算力商业化的兴趣
- 突出大数据处理项目经验：详细描述使用Hive、Spark等处理海量数据的场景和成果
- 强调系统架构设计能力：如ETL链路优化、数仓重构、实时数据流处理等
- 展示业务理解：如果有商业化计费、资源调度等经验，务必突出
- 体现跨团队协作：举例说明如何协调不同角色推进复杂项目
- 补充大模型推理基础：了解Token机制、KV Cache调度原理，可阅读相关论文或开源项目
- 深入ClickHouse和Flink：这些在JD中明确列出，掌握其调优和实战
面试指南
- STAR法则：描述情境、任务、行动和结果，突出技术难点和你的具体贡献
- 系统化思维：回答设计类问题时，从数据流、监控、容错、扩展性等维度展开
- 业务结合技术：解释技术方案时关联商业价值，如成本节省、收入提升等
- 请介绍一个你主导的大数据ETL项目，如何处理数据倾斜和实时性问题？
- 如何理解Token核算机制？在大模型推理中，KV Cache是如何影响算力计费的？
- 设计一个从GPU底层监控数据到商业账单的数据链路，需要考虑哪些关键点？
- 在跨团队协作中，如果遇到业务方频繁变更需求，你如何推动项目落地？
- 你如何诊断复杂系统中的数据不一致问题？请举例说明逆向追踪的思路
匹配度报告
71
综合匹配度
字节跳动大模型数据研发，前沿技术栈，薪资优厚但工作节奏快。
适合人群
该职位最适合发展动机驱动、追求技术成长和职业快速上升的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值80
薪资福利匹配
75中等
字节跳动薪资水平在行业内具有竞争力，且该职位涉及核心业务，预期薪酬较高，但JD中未明确具体薪资和福利。
薪资信号未披露 (40K-60K/月)
成长发展匹配
90较高
该职位涉及大模型、AI算力等前沿技术，工作内容具有挑战性，能大幅提升专业技能和行业视野，发展空间大。
技术前沿前沿/新兴技术
技术栈大模型、Token、KV Cache、GPU、算力调度、ETL、Spark、Flink、Hive、ClickHouse
业务类型profit_center
工作生活匹配
40较低
北京大厂核心岗位，通常要求现场办公，工作强度和压力较大，JD未提及弹性工作时间或远程选项。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
80较高
大模型和AI算力是高速增长赛道，该职位直接参与商业化闭环，能推动AI基础设施发展，具有一定社会价值。
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