← 返回岗位列表

字节跳动

校招

硬件开发工程师 - AI算力基础设施

深圳/杭州/北京/上海 · 校招 · 2027 届 · 本科

长期有效

任职要求

  • 2027届获得本科及以上学历,计算机等相关专业
  • 熟悉UART、SPI、I2C、VGA等低速总线以及DDR
  • DDR
  • PCIe、SATA等高速总线的原理图设计
  • 对PI和SI的基础知识有较好掌握,能够支持板卡Layout布局布线的指导工作,熟悉元器件、Power、高速信号、时钟、低速关键信号的相关设计规则
  • 理解计算机体系架构、数字电路原理,能够支持产品的系统级调试、调测
  • 有以下工具使用经验:原理图设计工具Cadence、CAD、Mentor等
  • 良好的团体沟通和协作能力,有较强的学习能力,动手能力和知识迁移能力。
  • 加分项:
  • 对计算机体系结构有深入理解,特别是深入理解某子系统,如CPU、Memory、高速IO等
  • 从事过芯片验证系统开发、熟悉芯片后端设计及系统验证。

岗位描述

团队介绍:字节跳动基础设施部门,负责字节跳动的全栈算力基础设施,从芯片服务器产研、到超大规模数据中心,到传统云平台和如今的AI Native Cloud,全方位为抖音、豆包、今日头条、飞书、火山引擎等各类产品提供领先、稳定的百万量级大规模算力基础设施服务。我们的领域涵盖数据中心建设、内核操作系统开发、服务器集群管理、高速网络通信、EB级数据存储体系、搜索型数据库探索、基于LLM的AI基础设施的研发调度与治理等,致力于打造业界领先的、面向LLM的AI云原生基础设施架构与产品矩阵。

  • 1、负责字节跳动计算型、存储型、GPU等定制化服务器产品和自研芯片板级开发验证系统的硬件方案设计,包括各板卡Layout层叠结构、Power拓扑、时钟拓扑、系统管理拓扑设计、主要元器件和连接器选型等;
  • 2、与服务器ODM、芯片设计厂商一起进行服务器主板及板卡的原理图设计、原理图和Layout的检查,在产品研发周期内与ODM厂商一起保障硬件设计质量;
  • 3、负责服务器、板卡、芯片验证系统等产品的电路板原理图、控制逻辑等组件的设计;负责和PI、SI、结构、散热工程师联合设计PCB总体设计,主导PCB检查过程,对原理图、控制逻辑、PCB的设计质量负责;
  • 4、负责硬件电路系统调试、验证工作,输出电路设计的调测计划、调测报告、单元测试(UT)报告输出;与合作伙伴紧密协作完成硬件协同的专业测试、可靠性测试等,并负责相关问题解决;
  • 5、与ODM厂商一起进行相关Bug的处理,保障项目高质量完成各阶段转段。跟进服务器整机各板卡PCB&PCBA加工生产,推动生产加工相关问题的解决,与ODM厂商一起完成板卡工厂端功能测试的导入工作,最终推进产品部署和上线。

你的简历匹配这个岗位吗?

上传简历,AI 会对照这份 JD 指出你的差距和需要补强的地方

该岗位可能会问的问题

基于 算法 岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制(Self-Attention)

类型专业能力·难度困难
查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力:多组 QKV 并行,拼接后线性变换,捕获不同子空间特征 5. 对比 RNN:可并行计算,捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等
查看答题思路

1. 一句话说清任务:分类/生成/检索/推荐 2. 模型选型:为什么选这个而非那个 3. 数据:数据量、来源、清洗策略 4. 创新点:你做的改进是什么(不是调参) 5. 结果:核心指标提升(准确率/召回/延迟)

过拟合是什么?怎么判断和解决

类型专业能力·难度简单
查看答题思路

1. 过拟合=训练集表现好、验证集表现差,模型记住了噪声 2. 判断:train loss 持续下降而 val loss 上升 3. 解决:更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理,SGD 和 Adam 的区别

类型专业能力·难度中等
查看答题思路

1. 梯度下降:沿负梯度方向更新参数,使损失降低 2. SGD:每次用随机小批量估算梯度,引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp:自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD;CV 常用 SGD,NLP 多用 Adam

给你 10 万条未标注的文本数据,如何找出其中 10 个主题

类型情景/案例·难度中等
查看答题思路

1. 预处理:分词、去停用词 2. 向量化:TF-IDF 或 Sentence Embedding 3. 聚类:K-Means(需指定 K=10)或 HDBSCAN(自动确定类数) 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估:看每个簇的高频词判断主题合理性,迭代调整

更多面试题库功能即将上线

信息来源:企业官方招聘页。投递前请以官网信息为准。