算力调度工程师

1.2-2万元/月

郑州·金水区

梁先生

已实名

企业认证

中移系统集成有限公司

职位详情

算法工程师

岗位名称：
岗位职责：
1、负责设计并实施集群自动化部署方案，构建完整的监控体系，支持弹性伸缩与容灾备份机制。
2、推进GPU/NPU资源池化建设，主导核心调度能力的研发与落地。
3、牵头异构计算资源调度系统的开发工作，重点围绕K8s调度框架进行定制化开发与功能升级。
4、构建面向GPU/NPU算力的资源管理平台，集成监控告警、日志采集分析及成本计量模块，实现集群从部署到退役的全流程可视化管控。
5、研发或引入高效工具链，提升算力资源的动态分配与负载均衡能力，减少任务等待时间，提高集群整体吞吐效率。
6、结合GPU/NPU硬件特性，对深度学习模型的训练与推理流程开展性能剖析与优化，涵盖CUDA内核调优、算子加速及内存访问效率提升等方面。
7、优化RDMA网络资源配置与流量控制策略，有效应对多任务并发引发的PFC风暴问题。
8、支撑大规模深度学习训练任务运行，持续优化模型在集群中的资源分配逻辑。
9、快速排查并处理集群中硬件（如GPU/NPU卡异常）、网络、存储及软件栈层面的各种故障，包括显存泄漏、通信阻塞等关键问题。
10、以上能力满足5项及以上者优先考虑。

任职要求：
1、具备5年以上相关经验，有大型AI算力集群（GPU/NPU）运维或开发背景，具备实际AI训练/推理项目落地经验。
2、熟练掌握K8s/Docker等容器技术；
3、深刻理解GPU/NPU架构原理（如CUDA、TensorCore、RDMA等），熟悉PyTorch/TensorFlow等框架的分布式训练机制；
4、具有系统性能调优实践，熟练使用各类Profiling分析工具；
5、熟悉Prometheus/Grafana/ELK等主流监控组件，能独立编写Python/Shell自动化运维脚本；
6、了解主流GPU/NPU厂商硬件特点，有AI算力成本优化实践经验（如混合精度训练、显存压缩）者优先；
7、具备出色的逻辑思维与故障排查能力，能在高压环境下高效处理紧急问题，具备良好的团队协作意识和跨部门沟通能力，有技术文档撰写和技术分享习惯；
8、加分项：掌握InfiniBand/RoCE等高性能网络协议

2026-06-26 12:44

IP属地：河南郑州

职位福利

本科10年以上