AI算力调度工程师

Job description

岗位职责

• 负责大规模GPU集群资源调度系统的设计与维护，算力扩容与采购计划制定，承接算力平台资源调度运营；
• 负责GPU/CPU/国产芯片等异构算力资源的统一纳管和调度；
• 设计实现大规模AI训练/推理任务的智能调度系统，落地Gang Scheduling、拓扑感知调度、亲和性调度等高级特性；
• 支撑PD分离架构下Prefill/Decode节点的动态调度与弹性伸缩，实现算力资源池弹性管理；
• 建立算力资源监控、计量与计费体系，优化GPU利用率、碎片率；
• 主导多用户GPU资源配额、抢占策略与弹性伸缩管理，落地细粒度权限与配额管控；
• 制定异构算力适配标准，支撑业务跨平台迁移；
• 负责调度系统高可用保障，主导调度故障应急响应、容量规划与性能调优。

任职要求

1、计算机科学、人工智能、软件工程等相关专业本科及以上学历，985/211院校毕业； 2、3年以上K8s集群运维及GPU调度开发经验，有千卡以上集群管理经验； 3、熟悉主流云原生调度生态，有Volcano/Kueue/Koordinator等调度器落地经验者优先； 4、精通Kubernetes GPU Operator、MIG/MPS等GPU虚拟化与隔离技术； 5、深入理解K8s Scheduler、Volcano、Kueue等调度器原理，熟悉Gang Scheduling、Priority Scheduling等调度策略； 6、熟悉NVIDIA GPU架构及CUDA生态，了解国产AI芯片（昇腾CANN/海光DCU/寒武纪等）适配； 7、熟悉Prometheus/Grafana监控体系，具备资源计量、计费与成本优化经验； 8、有异构资源池化、PD分离架构、弹性伸缩实战经验者优先； 9、具备较强的领域内故障排查和解决能力，能独立处理复杂技术问题；具备良好的沟通能力和团队协作精神，能适应值班和应急响应工作。