智算平台研发工程师(J10998)

职位描述

欢迎加入摩尔线程！投身全国产超大规模智算集群平台建设，打造高性能混部算力底座，构建智能化运维调度能力，赋能多元化算力业务落地，实现个人技术成长与业务发展双向共赢。

岗位职责：

1、建设 KUAE 10 万 + 卡超大规模智算集群，服务于训练，推理、仿真、HPC、科学计算等混部的全国产架构，将 MFU 做到行业最优水平。

2、建设满足业务场景和数据合规要求的智算集群算力管理体系，结合节点调度、性能分析、故障自动化处理、租户运维功能等核心体系能力，持续提升智算集群产品竞争力。

3、建设 10 万卡集群的可观测体系和 Agentic Ops 智能运维体系，优化超大规模智算集群的稳定性，降低 MTTR，提升 MTBF。

4、建设 MT 超节点产品所需管理调度软件，确保超节点在高计算和通信密度下的稳定性，灵活性和性价比。

任职要求

任职资格：

1、拥有大规模分布式系统设计及研发经验，可独立负责多模块业务子系统，包含接口定义、架构设计及关键分布式问题的技术方案细化等工作。

2、熟悉 AI 框架、云原生，编程基本功扎实，掌握数据结构与算法，熟练掌握 Golang/Java/Python/C++ 中至少一种开发语言。

3、系统工程能力扎实，具备较强线上稳定性意识，对复杂线上系统有较好技术敏感度与故障排查经验。

4、具备优秀的抽象设计能力，思路清晰，善于思考，可独立分析并解决问题，能够主导并驱动完整的技术产品项目。

5、具备复杂项目管理能力，拥有项目负责人或者研发团队接口人相关经验。

【加分项】

有线上系统监控体系、变更体系 / 流程设计和研发经验