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

- 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