字节跳动
校招AI芯片架构工程师 - 芯片研发
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，计算机科学与技术、电子工程、微电子、通信工程等相关专业优先
- 扎实掌握计算机体系结构基础理论，对CPU/GPU/典型AI加速器架构有深入理解，熟悉计算单元、存储层次、片上/片间互联的基本设计原理
- 了解深度学习基础原理，熟悉典型AI模型的网络结构与核心算子，对AI工作负载的计算与访存行为特征有一定认知
- 了解大模型推理、分布式训练的基本流程，对反向传播、参数更新、数据/张量并行等策略有基础认知
- 具备至少一类开发能力：
- 1）架构建模与性能分析：熟练使用Python/C++
- 2）硬件设计与功能验证：掌握Verilog/SystemVerilog。
- 加分项
- 有AI芯片架构建模、性能分析或算子优化相关项目/研究经验，熟悉gem5等架构仿真与建模工具者优先
- 了解开源大模型推理框架（如DeepSeek、vLLM、TensorRT-LLM）或PyTorch等深度学习框架，有模型调优、自定义算子开发经验者优先
- 了解高速互联接口（SerDes/UCIe）、TCP/IP协议栈或RDMA技术，对分布式训练的系统互联架构有认知者优先
- 有体系结构/AI芯片相关领域学术论文发表、相关竞赛获奖或流片参与经历者优先
- 熟悉RISC-V指令集、向量/SIMD架构、存算一体、近存计算等技术方向者优先。
岗位描述
团队介绍：字节芯片研发团队目前工作主要集中在芯片设计环节，主要围绕字节自身业务展开芯片探索，为字节多项业务的专用场景定制硬件优化，设计多款基于先进半导体工艺的云端复杂芯片，以期提升性能、降低成本。早期若干芯片项目已经进入到量产部署阶段，有多次一版成功的投片经历，所用工艺包含多个主流的先进工艺节点。与基础设施各团队之间工作的整体协同，能更容易和更好地发挥芯片研发的价值。
- 1、参与AI芯片核心架构的技术探索与方案设计，覆盖计算阵列、存储层次、片上、片间互联、控制系统等关键模块，输出架构设计文档与技术方案；
- 2、负责架构性能建模与量化评估，通过仿真建模、理论分析等手段，评估方案的算力、带宽、延迟、能效等核心指标，支撑架构选型与迭代优化；
- 3、开展AI训练与推理场景的软硬件协同设计，参与指令集定义、算子映射策略、访存调度机制优化，对接编译器与系统软件团队，推动架构特性在软件栈高效落地；
- 4、针对大语言模型、多模态等业务场景，开展AI模型与算子的计算访存特征分析，定位系统性能瓶颈，提出硬件架构层面的优化方向与改进建议；
- 5、跟踪业界AI芯片架构、大模型技术的前沿进展，开展新技术预研与方案验证，输出技术调研报告。
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）
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
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
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
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
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。