职位详情

**岗位职责：**
1. 负责万卡级异构算力集群的全局架构设计与落地，支撑千亿参数大模型训练、实时推理及超大规模视频生成等前沿AI业务，保障系统高可用、低延迟与高吞吐。
2. 深度优化分布式训练框架（如Megatron-LM、DeepSpeed）与跨节点通信拓扑，突破显存瓶颈与带宽限制，显著提升算力利用率与训练效率。
3. 设计并实现基于AI负载感知的智能调度引擎，支持多租户资源隔离、动态弹性伸缩与能耗优化，实现算力资源的精细化管理。
4. 构建端到端可观测体系，集成日志