AI Infra工程师（训推平台方向｜Kubernetes｜Python & Go）(J16482)

1. 参与并负责公司 AI 计算平台后端研发与演进，覆盖四条系统线： 训练作业平台：作业全生命周期、断点续训、模板/参数管理、指标采集 推理服务平台：在线服务发布/灰度/扩缩容、健康检查、版本回滚 资源与任务调度：队列/配额/优先级、拓扑/亲和、弹性策略、容量与成本治理 训练数据存储与分发系统：数据集管理与版本、冷热分层与缓存、分片/并行读取通路； 2. 设计并实现平台 API/权限/审计，沉淀“训练/推理/数据”的稳定契约，提升算法交付效率； 3. 建设可观测与告警（训练进度、GPU/CPU/网络/存储利用率、Cost等），支撑问题定位与容量规划； 4. 与算法/框架团队协作，支撑千卡级的稳定训练与多机器分布式在线推理。 【任职要求】 1. 本科及以上，3年以上后端/平台经验，可独立负责复杂模块； 2. 语言要求：仅限 Python 与 Go（会两者最佳），至少精通其中 一门并有 3 年+ 生产经验，另一门具备实际项目经验或能快速落地； 3. 容器编排经验：熟悉 Kubernetes 核心概念与实践，能把业务能力产品化/平台化； 4. 在下列五类系统中至少一类有 2 年以上实际落地经验（满足其一即可）：1) 训练作业平台 2) 推理服务平台 3) cpu、gpu资源与任务调度 4) 训练数据存储与分发系统 5）cpu、gpu集群可观测与告警。涉猎越多加分，但不要求全覆盖； 5. 具备并行计算、网络与存储的基本工程认知，良好的工程化（测试/CI/CD/回滚）与跨团队协作能力。