中科曙光
【2027】AI Infra 研发工程师-成都(J14242)
【2027】AI Infra 研发工程师-成都(J14242)
发布于 17 小时前普通员工/个人贡献者
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Go
Gpu
云原生
分布式系统
容器
调度算法
值不值得投
70综合评分
综合评分 70
前沿AI Infra技术岗位，技术成长性极佳，具体WLB与薪酬待明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
1.5万
比DevOps/SRE中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 240 个在招 · 其中DevOps/SRE 5 个
市场机会
选择不多
成都 · DevOps/SRE · 2 个在招
职位详情
关于这个职位
这是一名AI基础设施研发工程师，专注于Kubernetes云原生平台上的AI训练/推理任务调度、GPU集群资源管理与优化
你需要参与设计和实现高性能、高可靠性的调度引擎、容器运行时以及面向Agent的沙箱环境，以提升大规模AI计算集群的效率和安全性
最低要求
届或 2027 届本科及以上学历，计算机科学、软件工程、自动化、人工智能、数学等相关专业
扎实的计算机基础：操作系统、计算机网络、数据结构与算法
熟练掌握至少一门系统级语言（C++ / Go / Rust 任一），并具备 Python 编程能力
熟悉 Linux 系统，能独立完成开发、调试与性能问题定位
良好的英文文档阅读能力、开源社区跟踪能力，以及跨团队协作意识
工作职责
参与 Kubernetes 上的 AI 训练 / 推理调度引擎研发（Volcano、Kueue、KubeRay、KServe 等生态）
设计并实现 GPU / NPU 等异构算力的拓扑感知调度、Gang Scheduling、抢占与配额策略
优化大规模 GPU 集群的资源利用率、任务排队策略与故障容错能力
参与容器运行时（containerd / Kata Containers）、CRI / CDI、GPU 设备插件相关的优化与开发
构建面向 Agent 和推理服务的轻量级沙箱运行环境，实现代码 / 工具调用的安全隔离执行
优先资格
有大厂 AI Infra、云原生或 HPC 团队实习经历
主导过完整的 AI 平台模块建设（从设计到上线），并有可量化的性能收益或成本优化
具备将底层系统能力与上层算法诉求对齐的能力，能与算法团队高效协作，共同推动优化落地
熟悉 Kubernetes 源码或核心组件（kube-scheduler / kubelet / device plugin），有二次开发经验
了解容器 / 虚拟化底层原理：cgroup、namespace、KVM、Firecracker、gVisor 等
有 GPU 编程经验（CUDA / Triton），或熟悉 NCCL / RDMA / IB 网络
有主流分布式训练或推理框架（Megatron / DeepSpeed / FSDP / vLLM / SGLang）的源码阅读或调优经验
熟悉 Ray、Volcano、Kueue、KubeRay、KServe 等 AI 云原生项目
AI 洞察
优缺点分析
优点
- 直接参与AI Infra这一前沿领域的核心研发，技术栈非常深入且有价值
- 有机会接触并贡献给Volcano、KubeRay等顶级开源项目，提升行业影响力
- 岗位处于AI与云计算的交叉点，技能成长空间大，可迁移性强
- 技术深度要求高，涉及系统底层、内核、硬件调度，问题复杂
- 对操作系统、容器化和分布式系统有浓厚兴趣，愿意深入底层基础设施进行创新，并希望投身于AI算力平台建设的应届毕业生
缺点 / 挑战
- 需要持续跟踪快速发展的AI和云原生技术，学习压力较大
- 解决的是大规模集群下的工程难题，调试和验证可能具有挑战性
角色解读
- 从工程师成长为AI Infra领域的资深专家或架构师，负责核心模块设计
- 向技术管理方向发展，带领小团队攻克技术难题
- 持续深耕云原生与AI计算融合领域，成为行业内的技术意见领袖
- 参与设计和开发Kubernetes平台上的AI任务调度引擎，确保训练/推理任务高效运行
- 负责GPU/NPU等异构硬件的资源管理，实现拓扑感知调度与智能分配
- 优化大规模计算集群的资源利用率与稳定性，解决任务排队与故障容错问题
- 改进容器运行时环境，为AI Agent和推理服务构建安全的沙箱执行空间
- 扎实的计算机系统基础，包括操作系统、网络和算法
- 精通至少一门系统级编程语言（C++/Go/Rust）及Python
- 深入理解Linux系统、容器技术（Docker/Kubernetes）与GPU编程原理
- 具备分布式系统设计与优化能力，熟悉AI Infra相关开源生态
申请策略
- 在申请材料中展现对AI Infra领域的理解和热情，可以谈谈对某个开源项目（如KubeRay）的见解
- 准备一个体现系统工程能力的项目案例，说明你如何优化性能、解决资源瓶颈或提升稳定性
- 突出与操作系统、容器（K8s/Docker）、GPU编程相关的课程设计、项目或开源贡献
- 展示使用C++/Go/Rust等系统语言解决复杂问题的具体经历
- 如果有相关实习或项目，详细描述在集群调度、资源管理或性能优化方面的实践
- 深入学习Kubernetes架构与源码，特别是调度器（kube-scheduler）和设备插件（device plugin）部分
- 通过开源项目（如Volcano）实践，理解AI调度器的设计思想，并尝试提交代码或文档
- 补充GPU编程知识（如CUDA）和分布式训练框架（如DeepSpeed）的基本原理
面试指南
- 回答原理性问题时，结合系统知识（如进程调度、IO模型）与K8s具体实现进行类比解释
- 回答设计问题时，从目标（提升效率/公平性）、约束（硬件拓扑/资源池）、方案（算法选择/数据结构）三方面阐述
- 回答项目问题时，采用STAR原则，清晰描述背景、任务、行动和量化结果
- 请解释一下Kubernetes中一个Pod从被调度到运行的完整流程
- 你如何设计一个支持GPU拓扑感知的调度策略？需要考虑哪些因素？
- 描述一下你对容器运行时（如containerd）和CRI接口的理解
- 你阅读过哪个AI Infra相关开源项目（如Volcano）的代码？它解决了什么问题？
- 如果有一个AI训练任务在集群中频繁失败，你会如何排查和优化？
职位点评
薪资福利65
成长发展90
工作生活40
使命价值75
薪资福利
65中等
作为校招岗位，薪资福利体系预计符合行业标准，但具体竞争力需结合录用offer判断。
薪资信号面议 (1.2千–1.8万/月)
福利待遇五险一金
成长发展
90较高
该岗位直接投入AI基础设施的前沿技术领域，技术深度和成长性极高，是极佳的技术积累平台。
技术前沿前沿/新兴技术
技术栈Kubernetes、GPU、Volcano、KubeRay、容器、调度算法、分布式系统
成长机会参与...研发、设计并实现...
业务类型ambiguous
工作生活
40较低
职位描述未明确办公模式与WLB信息，对于高强度的研发岗位，工作节奏可能较快。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
从事的AI Infra是支撑人工智能发展的关键基石，具有明确的技术驱动价值和行业影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
中科曙光 的其他在招职位
相似职位推荐
Watch Jobs