CPG-推理引擎/AI集群研发专家 (JR2026041700C)

岗位职责

我们正在寻找资深AI集群工程师，负责构建和优化大规模GPU计算基础设施。作为AI算力平台的核心建设者，您将参与从硬件选型到调度优化的全链路工作，支撑公司核心AI业务的万卡级算力需求。

Kubernetes调度与计算平台 资源调度与集群管理

• 设计和实现GPU算力调度系统，优化资源利用率和作业调度效率
• 负责Kubernetes节点组件（kubelet、container runtime）的稳定性、性能优化
• 深度排查Kubernetes集群复杂问题

计算平台与节点优化

• 参与服务器硬件选型、测试和验收，重点优化GPU服务器性能
• 推进国产AI芯片的生态适配
• 建立集群故障感知召回体系，提高AI计算资源利用率，维护线上集群稳定性

扩展方向：性能优化（附加项）

• 参与AI集群网络优化（NCCL/RoCEv2），提升分布式训练通信效率
• 深入文件系统、缓存、镜像、cri细节，优化容器启动速度

任职要求

必备技能

• 5年以上Kubernetes生产环境经验，精通调度机制和节点管
• 熟悉GPU资源管理（NVIDIA GPU Operator、GPU共享、拓扑感知调度）
• 熟练掌握Go/Python语言，有Kubernetes源码阅读或二次开发经验
• 具备大规模集群（百节点以上）运维和故障排查能力
• 熟悉Linux系统原理，具备内核参数调优和性能优化经验 优先考虑
• 有混合云/多云环境GPU资源管理经验
• 熟悉RDMA/RoCE等高速网络技术
• 具备AI训练集群性能调优经验
• 有国产AI芯片适配经验
• Kubernetes社区贡献者或相关开源项目经验

部门

基础产品事业部