AI训练产品总监

查看原岗位

地点：北京薪资：40-70K 日期：2026-06-26

岗位摘要

定义从千卡到十万卡的训练软件平台愿景与多阶段路线图，覆盖单模态到多模态、从监督到RL/世界模型的连续能力梯队；在框架协同优化、Megatron类并行栈、弹性与容错、可观测性、数据/解码/仿真加速等关键价值点上做取舍与节奏管理

8年以上技术产品管理经验；5年以上AI/ML基础设施、分布式系统或云平台相关经验
GPU训练平台实战，亲手操盘过千卡级以上GPU训练（或等规模TPU/ROCm）平台/方案，理解并行策略、通信/存储瓶颈与性能调优
深入理解Megatron类分布式训练框架与并行体系：Tensor/Pipeline/Sequence/Context Parallelism，Interleaved Pipeline，激活与优化器分片、重计算/检查点
熟悉MoE的Expert Parallel与TP/DP/EP复合并行、AllToAll优化，FSDP/ZeRO（Stage 1/2/3）与Megatron-Core/DeepSpeed的协同实践
掌握长上下文训练稳定性（Flash/SDPA、KV缓存/重排、分布式注意力）、大批次/高吞吐训练与通信–计算重叠策略
多模态或生成方向：至少满足一项，包括MLLM/VLM、扩散（图像/视频/音频）、长视频生成、语音（ASR/TTS）的大规模训练与评测落地，或多模态数据管线与评测指标体系
或世界模型/模型化强化学习平台化经验：Actor–Learner架构、并行环境/仿真调度、Env Steps/s与Train Steps/s平衡、离线/在线/混合训练、回放与一致性
有复杂平台产品从0→1与1→N的成功实践，能用指标与客户价值证明
优秀的跨团队领导与商业敏锐度，兼顾技术深度与价值叙事
计算机/电气工程或相关专业本科/硕士

NVIDIA/AMD/TPU/AWS/Azure/GCP 或顶尖 AI 实验室训练基础设施经验
对 PyTorch/JAX/TensorFlow、Megatron/DeepSpeed/FSDP 社区有贡献
熟悉 Kubernetes/Slurm、NCCL/InfiniBand/RDMA、并行文件系统（Lustre/DAOS/GPFS）、DALI 类数据加速与视频解码
面向大型企业客户的方案与谈判经验
中英双语沟通优秀
袁先生刚刚活跃
摩尔线程 · 技术市场经理

北京朝阳区望京国际研发园I座I3