昆仑芯
AI Infra集群保障专家
RESPONSIBILITIES
岗位职责
-负责基于昆仑芯的 AI 大模型 POC， 确保客户环境下的模型交付验证调优
-负责大模型交付上线后的质量保障，解决模型性能精度和集群稳定性问题
-负责现场问题归纳和解决方案沉淀
REQUIREMENTS
任职要求
-深度掌握Linux系统编程，包括Shell脚本、进程管理、网络编程与性能分析工具
-精通容器技术（Docker、Kubernetes），能够实现服务的高可用部署与负载均衡
-具备GPU服务器硬件故障排查能力，能够快速定位分布式AI集群中的稳定性问题、网络故障和服务异常
-理解高性能网络架构设计，包括多轨组网、Spine-Leaf架构、fat-tree拓扑等
-理解RDMA网络的集合通信原理，熟悉AllReduce和Low-latency DeepEP等通信模式，能够解决网络拥塞、带宽争用、通信瓶颈等问题
-熟悉分布式训练框架（PyTorch 、Megatron、DeepSpeed）和推理框架（vllm、SGLang等）
-具备MLOps能力，搭建自动化流水线，实现模型版本管理、实验跟踪、灰度发布与A/B实验
信息来自企业官方招聘渠道
OfferSeek 对公开岗位信息进行聚合、去重和结构化整理，最终申请以企业官方页面为准。