北京/杭州 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

任职资格 必备技能 - 3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