AI Infra工程师

岗位职责
1、集群调度与云原生基础设施：构建GPU集群统一调度与编排系统，攻坚拓扑感知调度、资源碎片治理、弹性伸缩与异构算力统一管理等核心技术，持续提升大规模集群的资源利用率与运行效率。
2、大模型训练框架与系统优化：负责大模型分布式训练框架及强化学习系统的搭建与性能调优，深入剖析计算、通信及存储瓶颈（如网络拓扑、显存管理），打造高吞吐、高可用的训练系统，降低大模型生产与微调门槛。
3、大模型推理引擎与服务平台：深度定制并优化大模型推理框架，落地分布式KVCache、Prefill/Decode（PD）分离架构、前缀感知智能路由、连续动态批处理等核心技术，打造高并发、低延时的生产级推理服务部署系统。
4、底层硬件加速与芯片适配：负责AI算子开发与GPU/芯片级底层性能优化，开展芯片的模型迁移与精度对齐工作；结合硬件特性进行计算与访存优化，在保障精度的前提下实现异构硬件的高效训练与推理。
5、Agent Native底座研发与前沿技术预研：打造高弹性企业级AI Native应用底座，攻坚高性能Agent Runtime、分布式多模态RAG、分层记忆管理与安全隔离沙箱等核心组件；跟踪AI Infra领域技术演进，探索Serverless AI、分布式智能体编排等前沿方向并推动落地。

岗位要求
1、学历与专业：全日制硕士及以上学历应届毕业生（优秀者不限学历），计算机科学与技术、软件工程、人工智能、电子信息、自动化、通信等相关专业。
2、计算机基础：具备扎实的计算机基础功底，深入理解操作系统、计算机网络、计算机体系架构、数据结构与算法，熟悉Linux系统底层原理与常用操作。
3、编程语言：熟练掌握C/C++、Python、Go或Java中至少一门主流编程语言，编程基础扎实，具备良好的编码规范与工程化思维。
4、专业技术能力：对分布式系统、云原生、大模型训练与推理加速、AI基础设施等方向有浓厚兴趣；熟悉GPU并行加速瓶颈分析方法，了解分布式推理与训练常用加速方法，具备较强的问题分析、排查与解决能力。
5、综合素质：具备较强的全局观与系统化分析问题的能力；拥有良好的沟通协作能力与自驱力，乐于接受技术挑战，能够快速学习并落地新技术。
6、加分项（具备以下一项或多项经验者优先）：
云原生与集群调度：熟悉Kubernetes、Docker等云原生技术，有K8s源码阅读或二次开发经验，了解拓扑感知调度、弹性伸缩等资源管理技术；训练与推理框架：有PyTorch、Megatron、DeepSpeed、TensorRT、FasterTransformer、vLLM、TensorRT-LLM、SGLang等框架的使用经验，或了解常用AI算法网络及底层源码；底层优化与硬件：有服务器AI芯片、GPU加速经验，或具备芯片迁移与调优经验；熟悉PD分离、KV Cache等推理核心优化技术。