理想汽车AI系统开发实习生

1.参与自动驾驶、计算机视觉（CV）、大语言模型（LLM）等AI模型的性能加速工作，协助优化模型训练与推理效率，探索底层硬件与算法的适配方案； 2.协助分析深度学习模型在训练、推理过程中的性能瓶颈，参与CPU/GPU资源调度、内存优化、并行计算效率提升等相关工作； 3.学习并应用深度学习框架（TensorFlow/PyTorch）的性能优化技术，包括计算图优化、算子加速、低精度计算等； 4.跟踪AI系统加速领域的前沿技术（如AI编译器、分布式训练框架），参与技术调研与原型验证； 5.与算法团队、硬件团队协作，参与高性能AI系统的设计与实现，解决模型落地过程中的工程问题。

1、参与研发业内领先的低延迟、高吞吐的大模型推理优化方案，优化目标包括视频生成大模型、多模态大模型、语言大模型等； 2、参与调研并复现大模型推理优化方向最新论文，具体方向包括高性能算子开发、大模型量化、分布式大模型并行推理等； 3、参与组内服务化框架开发，提升大模型服务部署效率。

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：推荐架构团队支撑字节跳动旗下多款APP产品，如抖音、今日头条、番茄小说、西瓜视频、剪映等推荐系统架构的设计和开发，保障系统的稳定和高可用，致力于抽象系统通用组件和服务，建设推荐中台、数据中台；关于在线服务，在这里你有机会参与大规模机器学习在线预估框架的研发与优化，也有机会参与模型训练与调度等相关问题的研究与突破，解决系统瓶颈，降低成本开销；如你对大数据感兴趣，在这里也有机会参与通用实时计算系统的开发、构建统一的推荐特征中台，为推荐业务实现先进的消重、计数、特征服务等；我们期待热爱技术的你加入，一起创造更多可能。 1、为大规模推荐系统设计和实现合理的分布式计算和训练系统； 2、设计和实现灵活可扩展、稳定、高性能的离线存储、计算、训练组件； 3、生产系统的Trouble-Shooting，设计和实现必要的机制和工具保障生产系统整体运行的稳定性； 4、打造业界领先推荐系统分布式训练和计算框架等分布式系统，为海量数据和大规模业务系统提供可靠的基础设施。

核心职责： 围绕 AI 场景的系统瓶颈和能力短板，结合存储/DPU/CPU/GPU 的软硬件特性设计全栈协同优化，提升 OS 对 AI Infra 服务的有效可用时长，优化系统吞吐和延迟表现，提高 AI Infra 的综合性价比。 1、技术方案设计：收集和分析客户业务场景需求，转化为研发需求输入，确定技术方案的目标、范围和交付成果。 2、技术实现：熟悉存储/DPU/CPU/GPU 技术栈，负责操作系统 AI 存储方向的优化项目，承担从需求交流与分析，设计开发，以及线上维护等全流程研发工作；并能指导团队成员，攻克复杂技术难题，通过合理的团队分工和代码评审，确保工程化落地。 3、稳定性和性能优化：具备 AI 存储领域的线上问题兜底能力，保障客户业务线上稳定性运行；能运用产品化技术和方法，分析并优化客户业务的存储性能。 4、技术规划：了解业界 AI Infra 存储方向的发展趋势，结合 AI 训练和推理对存储的诉求，形成操作系统 AI 存储方向的技术规划。