AI系统研发工程师-主机研发
岗位摘要
设计和研发GPU主机管理控制面，实现节点状态管理、配置下发、故障诊断、自动恢复和交付验收；打通物理硬件、Linux操作系统、容器与资源调度平台，推动主机能力标准化、平台化；深入GPU、CPU、内存、网络和存储等关键链路，定位并解决复杂的稳定性与性能问题
岗位职责
- 设计和研发GPU主机管理控制面，实现节点状态管理、配置下发、故障诊断、自动恢复和交付验收
- 打通物理硬件、Linux操作系统、容器与资源调度平台，推动主机能力标准化、平台化
- 深入GPU、CPU、内存、网络和存储等关键链路，定位并解决复杂的稳定性与性能问题
- 建设面向大规模节点的监控、故障决策和自动化运维体系，降低人工维护成本
- 优化主机系统架构与运行机制，提升集群资源利用率、可靠性和规模化交付效率
- 与硬件、数据中心、网络、存储、调度及业务团队协作，推动基础设施能力持续演进
任职要求
- 计算机、软件工程、电子信息或相关专业本科及以上学历
- 深入理解Linux、操作系统和计算机体系结构，具备跨应用、系统与硬件分析问题的能力
- 熟悉GPU服务器，理解CPU、内存、网络、存储及硬件拓扑之间的关系
- 熟练掌握Go、Python、C/C++中至少一门语言，具备良好的系统设计、编码和调试能力
- 能够通过建立假设、设计实验和分析数据，定位跨软硬件栈的复杂问题
- 具备规模化系统思维，关注故障边界、一致性、可观测性和自动恢复能力
- 具备较强的Owner意识，能够推动系统从设计、研发到上线及长期稳定运行
- 加分项：有大规模GPU集群、AI Infra、HPC或智算中心建设经验
- 加分项：有公有云IaaS、裸金属服务、主机控制面或分布式基础设施研发经验
- 加分项：熟悉Linux内核、eBPF、GPU软件栈、高性能网络或存储系统
- 加分项：有系统性能优化、复杂生产故障诊断或自动化运维经验
- 加分项：对软硬件协同、系统性能和基础设施工程有持续的兴趣与实践
加分项
- 有大规模 GPU 集群、AI Infra、HPC 或智算中心建设经验
- 有公有云 IaaS、裸金属服务、主机控制面或分布式基础设施研发经验
- 熟悉 Linux 内核、eBPF、GPU 软件栈、高性能网络或存储系统
- 有系统性能优化、复杂生产故障诊断或自动化运维经验
- 对软硬件协同、系统性能和基础设施工程有持续的兴趣与实践