大模型 MLOps / AI Infra 工程师

让千亿参数模型真正跑起来。

岗位介绍

一个大模型从论文 Demo 到真正服务大规模用户，需要完整的 AI 基础设施。

你将参与建设新一代 AI 大模型基础设施平台，解决模型训练、部署、调度、扩缩容、监控和 GPU 资源利用等问题。核心方向包括大模型训练平台、GPU Cluster、分布式训练、模型服务化、MLOps、模型版本管理、数据/模型 Pipeline、AI Agent Runtime、多模型路由与调度。

你将负责

1. 参与大模型训练与推理基础设施建设；

2. 构建模型训练、评测、部署、发布自动化 Pipeline；

3. 参与 GPU 集群调度与资源管理；

4. 研究分布式训练 / 推理技术；

5. 构建模型服务化和弹性扩缩容系统；

6. 建设模型、数据、实验、版本等 MLOps 能力；

7. 支撑视觉大模型、视频生成模型、多模态模型和 Agent 应用落地。

我们希望你

1. 计算机、软件工程、人工智能、电子信息等相关专业；

2. 熟悉 Python / Go / C++ / Java 中至少一种；

3. 熟悉 Linux，具备良好的数据结构、算法和计算机系统基础；

4. 对分布式系统、云计算、AI 基础设施有兴趣。

加分项

1. 熟悉 Docker / Kubernetes；

2. 熟悉 PyTorch Distributed / DeepSpeed / Megatron-LM；

3. 了解 NCCL、GPU Cluster、RDMA；

4. 有 K8s Operator、GPU 调度、分布式系统项目经验；

5. 有 MLOps、模型部署、推理服务或大模型/Agent 开源项目经验。