AI平台架构师(J14573)

职位描述

核心岗位职责 (Key Responsibilities)

1、负责基于 Kubernetes 的 AI 算力调度平台建设，实现 GPU/NPU 等异构算力的统一纳管、池化与弹性调度。

2、大规模分布式训练基础设施：构建支持千卡/万卡集群的稳定环境，优化高性能网络。

3、云原生 MLOps 体系构建：打造基于云原生的模型开发、训练、部署全流程平台：实现算力资源的计量计费、多租户隔离、配额管理及成本优化（FinOps）。

4、负责智算集群的监控告警、故障自愈及性能调优；保障任务的高可用性（SLA）。

任职要求

任职要求 (Qualifications)

教育背景：计算机、通信、电子工程等相关专业本科及以上学历。

经验要求：

1、5 年以上云计算、基础架构或 HPC 相关开发经验。

2、必须具备大型 GPU 集群（100+ 卡规模）的运维、调度或AI平台建设经验。

3、精通 Kubernetes 架构，熟悉 Docker/Containerd。

4、熟悉 NVIDIA GPU 架构，精通 CUDA 基础、GPU 虚拟化技术。

5、高性能网络与存储：熟悉 RDMA、RoCEv2 网络配置与调优；熟悉并行文件系统在 AI 场景的应用。

6、编程语言：精通 Go 或 C++等，熟悉 Python 脚本。

加分项 (Preferred Qualifications)

1、熟悉国产算力芯片的适配与优化经验。

2、有智算或超算中心建设或运维经验。