字节跳动AI科学计算研究实习生-Seed
任职要求
1、2027届博士学位在读，计算机科学、机器学习、物理、化学、数学等相关专业优先； 2、有…
工作职责
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限。团队研究方向涵盖 LLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。 Seed 团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、从事机器学习与科学计算的交叉研究； 2、实现大规模科学计算数值模拟。
方向一（产品设计方向）： 1、负责深入产品、营销、销售、车主运营业务调研，挖掘业务需求，设计用户精细化运营解决方案； 2、与业务深度共建，精准把握用户精细化运营需求，输出CDP产品方案，协同研发落地产品； 3、基于AI营销产品能力规模化赋能精用户精细化运营，提升业务效率，实现业务增长。 方向二（产品策略方向）： 1、负责与业务共建，重塑企业与用户的连接，指导用户精细化运营策略； 2、与营销、销售、运营团队深度共建，输出CDP产品MRD，推进产品实现； 3、基于AI营销能力优化营销、销售、运营策略，提升业务的效率实现业务增长。 方向三（技术方向）： 1、整合理想汽车全域用户资产，重塑企业与用户的连接，指导用户的精细化运营； 2、与产研深度协作，通过可行性分析、数据预演、模型设计，支持CDP产品实现； 3、利用人工智能技术优化营销、销售、运营策略，提升业务的效率，实现业务增长。
1.利用游戏海量数据，设计和构建游戏大模型，包括但不限于社交网络分析，推荐，异常用户挖掘等，为产品设计研发及运营提供支持； 2.数据特征算法：负责海量文本&多模态数据（图像，视频，音频，3D）的内容理解（如分类标签体系、embedding表征、Caption生成等），质量检测（低质识别检测、优质美学评价等），去重/聚类分析，数据合成等算法； 3.关注行业前沿动态，保持行业敏感度，对竞品有专业的研究和分析。
1、整合 GPU/CPU 算力、存储（如 CPFS）、网络（如 RDMA/InfiniBand）、供应链流转等多维度数据，构建资源使用率、成本结构与供需分析模型，输出可落地的优化建议； 2、整合资源效能和业务性能指标（如MFU、TPM、TPOT、GPU 利用率等），建立资源效能评估模型，量化资源投入与业务产出之间的关系，为资源规划与采购决策提供数据支撑； 3、负责 AI Infra 资源数仓的数据链路设计与建设，覆盖数据采集、清洗、加工、存储与服务全流程，保障资源数据的准确性、一致性与时效性； 4、构建并维护资源数据可视化平台，开发资源热力图、利用率趋势、成本分摊仪表盘等，支撑日常运营与管理层决策； 5、与资源运营、财务、研发等团队紧密协作，搭建资源生命周期关键指标看板，定期输出资源效能分析报告，支撑资源采购与部署策略落地。
面向大模型训练/推理与数据中心级AI计算场景，围绕下一代AI SoC的先进架构与关键技术开展系统性研究与工程落地。该岗位聚焦技术升级与核心能力建设，在芯片体系结构、先进封装与系统协同层面推动突破性创新。 主要研究方向包括但不限于： 1、3D集成与先进封装协同架构研究 围绕2.5D/3D封装、混合键合、层间互联与热约束协同设计，构建面向高带宽与高能效的多Die协同架构； 2、芯粒（Chiplet）与异构集成架构研究 探索多芯粒互联协议、带宽扩展机制、跨Die一致性与可扩展拓扑设计，支撑大规模算力构建； 3、先进互联与Scale-Up系统架构研究 研究片上网络（NoC）、Die-to-Die、Chip-to-Chip与机柜级互联协同机制，提升系统级带宽利用率与扩展能力； 4、存算融合与新型内存架构研究 探索近存计算、存算融合架构、HBM协同机制及新型存储结构对AI计算性能与能效的影响； 5、先进架构方法学与EDA协同研究 构建从系统建模、性能仿真到物理实现协同优化的跨层方法学，推动架构-实现一体化设计流程升级； 6、高功耗与热约束下的系统协同优化研究 面向数据中心部署场景，开展功耗、热、封装与架构协同优化研究。 该岗位承担1-3年关键技术方向的规划与演进职责，推动研究成果在真实产品芯片中的规模化落地，形成可持续的先进架构能力。