【蚂蚁星】算力调度研发-平台技术-27届

岗位职责

部门介绍： 蚂蚁算力调度团队负责蚂蚁通智算场景资源统一调度，帮助蚂蚁在线服务、大数据、AI等核心业务场景提升资源使用效率、优化工作负载性能、提高业务全局容错性和弹性资源保障。我们致力于打造高性能、规模化、有竞争力的算力调度系统，推动蚂蚁基础技术的不断创新与发展。

职位描述：

1. 业务-资源调度-引擎框架-硬件 codesign 优化，结合业务场景和硬件进行资源调度和弹性的优化，把 GPU 利用率提升到业务先进水平；
2. 异构硬件的调度和弹性：在满足上层业务 SLO 的情况下，动态去调整并行策略、异构硬件，根据业务负载自动化做资源弹性，最大化硬件的利用率；
3. 异构资源的全局调度：结合网络（RDMA/VPC）、异构算力（CPU/GPU/ASIC/FPGA）、存储（SSD/OSS/CPFS）等多种异构资源，选择最优化的资源全局编排策略，让任务可以按需移动和弹性，不再受限于单个地域和集群；
4. 新硬件的调度适配和性能优化：GPU 新硬件基本每年都有迭代，国内的加速器硬件也在引入超节点架构，在调度层面快速对新硬件进行适配和性能优化，让新硬件可以快速在蚂蚁内部落地使用。

任职要求

1. 熟悉 AI 训练和推理框架（pytorch/vllm/sglang/megatron/deepspeed/areal/verl中的一个或者多个），对于分布式训练、RL、模型推理有代码级别的理解；
2. 熟悉资源调度算法，包括启发式、线性规划、神经网络等不同策略的调度和预测算法，有大规模 kubernetes/spark/yarn 等分布式调度系统经验有限；
3. 了解异构硬件架构，熟悉 GPU/HPU 等国内外加速器的工作机制和并行计算原理，有软硬件结合的优化经验4. 有开源 AI 项目经验优先。

特色标签

AI推理、C/C++、Golang、K8s、Python、云原生、云计算、云计算经验、人工智能、任务调度、作业调度、分布式机器学习训练、分布式模型训练、分布式经验、分布式计算、分布式训练、图形处理器、基础设施、大数据、大数据经验、大模型推理、大模型算法、容器编排系统、并行计算、异构加速器、异构计算设备、强化学习、显卡、模型加速/性能优化、深度学习、深度学习框架PyTorch、算法工程化经验、调度、资源调度、运筹优化、远程直接内存访问、通用图形处理器