惠州RemoteFull TimePosted Today
AI智算平台工程师（DMC）惠州全职职位描述1.算力平台规划与建设：主导GPU集群、InfiniBand/RoCE高速网络及分布式存储的架构设计、部署与硬件调优。
2.资源调度与效能提升：基于K8s/Volcano/Slurm优化调度策略，提升GPU利用率与集群整体MFU。
3.算力成本与运营：建立FinOps成本模型，通过弹性伸缩与闲时资源整合，降低单位算力成本。
4.智能化运维体系：构建全链路监控（Prometheus），利用AIOps实现故障预测与自动化运维。
5.模型部署与推理优化：使用vLLM/Triton/TensorRT部署大模型，实施量化（INT8/FP8）、动态批处理等优化技术。
6.混合云管理：维护公有云与私有云的混合云架构，确保资源统一调度与数据一致性。
7.服务稳定性保障：确保在线推理服务的高可用与低延迟，设计熔断、降级、限流策略。职位要求一、核心要求
1.技术栈深度：精通 Linux、K8s、Python/Go 自动化，熟悉 GPU 硬件与 NVIDIA 生态（CUDA、DCGM）。
2.算力平台经验：3年以上云计算或AI基础设施经验，具备百卡级GPU集群的运维、调优实战经验。
3.高性能网络：熟练掌握 InfiniBand/RoCE 网络配置与 NCCL 通信问题排查。
4.模型工程化能力：熟悉大模型本地化部署流程，有 vLLM、TensorRT-LLM 等推理框架的生产环境优化经验。
5.云原生与监控：深入理解云原生架构，能熟练搭建Prometheus/Grafana 全链路监控体系。
加分项
1.大规模集群经验：有千卡级别训练集群的运维优化或故障治理经验。
2.国产化生态：熟悉华为昇腾、海光DCU等国产AI芯片的适配与开发生态。
3.开源贡献：在 vLLM、TensorRT-LLM 等主流推理框架有代码贡献。
4.前沿技术实践：对 MoE 模型、多模态大模型的端侧部署与优化有实际探索。投递