GPU算力底座运维部署

1、建设业界最领先大模型算力底座训推平台建设，负责平台安装部署、交付效率提升，保证项目可以按时交付 2、负责训推平台交付标准化建设，支持并完成产品交付完全移交交付团队； 3、解决客户在使用平台过程中的技术问题，与产品和研发协同，推动产品服务不断优化； 4、参与构建业界领先的AI异构计算加速引擎与技术体系，推动软硬件一体化的全栈国产化解决方案落地。在大规模异构集群场景下，探索分布式训练、分布式推理、异构资源调度与任务管理等新型架构与技术实践。 1. 精通 Linux 操作系统，具有较强的 Troubleshooting 的能力 2. 精通 Docker，熟悉 Kubernetes，有 Kubernetes 集群实际运维或大型集群落地经验； 3. 对异构芯片虚拟化、RDMA 网络了解者优先。熟悉 Kubeflow、Volcano经验者优先； 4. 逻辑思路清晰，沟通能力好，具有团队合作精神，具备较高的客户服务意识 5. 具有一定的抗压能力和快速学习能力。 以下技能要求具备其中之一： 1. 对于transformer和大模型有了解，pytorch有使用经验 2. 熟悉训练框架（megatron deepspeed llama-factory其中之一），有模型微调、调参经验 3. 熟悉推理框架（vllm sglang tensorrt-llm其中之一）有使用经验，有模型服务部署的经验 加分项： 1. 熟悉强化学习、预训练、分布式训练 2. 对于大模型内部的技术细节可以讲出来 3. 对于框架有深入理解 4. 对于异构芯片有理解、对算子有经验