智算云MaaS平台架构师(J18842)

职位描述

1. 负责 MaaS 平台产品与技术架构及演进路线设计，构建覆盖模型开发、训练、微调、强化学习、评测、部署、推理及模型服务的全生命周期平台。

2. 负责大模型后训练服务规划，主导大模型分布式训练故障感知恢复，持续跟踪强化学习及 Agentic AI 等方向的技术发展，并推动形成平台产品能力。

3. 负责大模型推理Token工厂服务设计，持续优化推理服务性能，降低Token生产成本。

4. 负责大规模异构算力调度架构设计，实现训练、微调、推理等工作负载的统一算力管理，结合训练与推理业务特点设计算力调度策略，提高 GPU 利用率、集群吞吐和整体算力投入产出比。

5. 支持重大客户、重点项目的技术交流、方案设计及架构咨询，能够完成从客户需求到平台产品能力的抽象和沉淀，推动产品从规划、研发到规模化商业落地。

任职要求

1. 计算机、人工智能等相关专业，具备8年以上云计算、AI平台相关工作经验；具备云原生架构能力，深入理解 Kubernetes、Volcano、Service Mesh等技术体系，具有3年以上AI Infra相关经验。

2. 熟悉大模型训练技术体系，对DeepSpeed、Megatron-LM 等技术框架有实际经验或深入理解，熟悉大模型微调技术、强化学习及 Post-training 技术体系，熟悉 RLHF、RLAIF、Reward Model、PPO、DPO、GRPO 等相关方法，理解其训练流程、算力特点及平台工程需求。

3. 深入理解大模型推理服务架构，理解KVCache、Continuous Batching、Paged Attention、量化、Speculative Decoding 等关键优化技术，能够从计算、显存、网络和存储等维度分析大模型推理性能瓶颈，并提出性能优化思路。

4. 具备较强算力平台及调度框架架构能力，理解大模型算力集群、GPU 资源池化、vGPU 调度、分布式训练调度及推理服务调度，熟悉 Ray、Kubeflow、Volcano、Kueue、Slurm 等 AI 计算与调度框架。

具备以下一项或多项经验者优先：

1. 有大型智算云或企业级 AI 平台产品/架构经验优先；

2. 有万卡级算力集群、智算中心或大规模异构算力平台相关经验优先；

3. 有大模型预训练、SFT、RLHF/DPO/GRPO 、Agentic-RL等真实项目经验优先；

4. 有大规模在线 LLM 推理平台建设及性能优化经验优先；