小红书
大模型 GPU 调度研发工程师（练习生）
大模型 GPU 调度研发工程师（练习生）
发布于 2 小时前实习/见习
实习生仅现场办公平台工程
平台工程
Go
Gpu调度
云原生
分布式系统
大模型
值不值得投
77综合评分
综合评分 77
核心 AI 基础设施实习岗，技术栈前沿且极具挑战，成长空间巨大，但工作强度与 WLB 未明确。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
9千
比平台工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2090 个在招
市场机会
选择适中
北京 · 平台工程 · 45 个在招
职位详情
关于这个职位
该职位是小红书大模型平台的 GPU 调度研发实习生，主要参与万卡规模 GPU 集群的资源调度、治理与优化工作
你将接触云原生技术栈与大模型训练/推理负载，探索弹性调度、混部等前沿策略，提升 AI 生产效率与集群资源利用率
最低要求
计算机、软件工程、人工智能等相关专业在校生，具备扎实的编程基础和计算机系统基础
熟悉 Go / Python / Java 中至少一门语言，具备良好的代码能力和工程实现意识
熟悉 Linux，了解 Docker / Kubernetes 等云原生技术栈，对 K8s Scheduler、Volcano、Kueue、Kubeflow、Argo Workflows 等调度系统有兴趣或实践经验
理解分布式系统基本概念，了解服务发现、资源隔离、任务调度、故障恢复、弹性伸缩、监控告警等能力
对大模型训练、后训练、推理、部署等流程有兴趣，愿意理解不同 AI 负载对 GPU、网络、存储和调度策略的差异化诉求
具备较好的数据分析、问题定位、沟通协作和自驱能力，能熟练使用 Cursor、Claude Code、GitHub Copilot 等 AI 工具辅助研发
工作职责
参与内部大模型平台 QuickSilver 的 GPU 资源调度与治理模块研发，完成调度策略、后端服务和资源可视化功能交付
参与 Quota 管理、资源配额、资源申请、资源回收、资源出借等能力建设，支持多业务、多团队、多集群资源管理
参与万卡规模 GPU 集群调度优化，围绕资源分配率、GPU 利用率、任务等待时长、资源碎片等指标提升集群效率
参与训练、后训练、推理等负载下的弹性调度建设，探索潮汐调度、抢占调度、在线 / 离线混部、低峰缩容、高峰预扩容等策略
参与多机房、多集群、多卡型、GPU / NPU 等异构资源调度能力建设，结合网络、存储、通信拓扑优化调度策略
参与 GPU 资源可观测体系建设，并将调度能力与大模型训练、推理、部署、评估链路结合，提升 AI 生产效率和平台稳定性
优先资格
接触过 Kubernetes Scheduler、Volcano、Kueue、Kubeflow、Ray、OpenKruise、联邦集群等云原生或调度系统
有 GPU 集群、资源调度、Quota 管理、资源利用率分析、在线 / 离线混部、抢占调度、潮汐调度、弹性伸缩等实践经验
有大模型训练、推理、部署平台使用或开发经验，了解 PyTorch、DeepSpeed、Megatron、vLLM、SGLang 等框架
了解 RDMA、IB、RoCE、NCCL、网络拓扑、存储性能等基础知识，理解其对大规模训练和推理调度的影响
有优秀个人开源项目、技术博客，或曾利用 AI 工具独立交付云原生、调度、平台类项目
有资源利用率分析、监控指标看板、任务画像分析、调度策略评估等经验，能通过数据驱动系统优化
AI 洞察
优缺点分析
优点
- 接触万卡规模 GPU 集群与前沿大模型基础设施，技术含金量极高
- 业务处于高速增长期，AI 平台核心岗位能积累稀缺的实战经验
- 提供丰富的云原生与调度系统实践机会
- 涉及万卡集群与异构资源调度，技术复杂度与学习曲线陡峭
- 需要深入理解底层硬件（GPU/网络/存储）与上层 AI 框架，对系统底层原理要求高
- 对底层系统、云原生技术及大模型基础设施有浓厚兴趣，具备扎实计算机基础与较强自驱力的在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从云原生与调度系统的初级研发，成长为 AI 基础设施/大模型平台架构专家
- 未来可向基础架构、SRE、AI 平台研发等核心方向深入发展
- 参与小红书内部大模型平台 QuickSilver 的 GPU 资源调度与治理模块研发
- 负责万卡规模 GPU 集群的调度优化，提升资源分配率与利用率
- 探索弹性调度、混部等策略，结合云原生技术栈支持多业务、多集群管理
- 扎实的编程基础（Go/Python/Java）与 Linux 系统能力
- 熟悉 Docker/Kubernetes 等云原生技术栈及分布式系统概念
- 对大模型训练/推理流程及 GPU 硬件特性有基本理解
申请策略
- 展现对 AI 基础设施的热情，可提及使用 Cursor/Copilot 等 AI 工具提升开发效率的实际案例，契合 JD 中的要求
- 突出 Go/Python/Java 编程能力与 Linux 环境开发经验
- 重点展示 Kubernetes、Docker 等云原生项目经验或底层系统开发经历
- 若有大模型框架使用或 GPU 相关项目经验务必写上
- 深入学习 K8s Scheduler、Volcano 等调度系统源码或实践
- 了解 RDMA、RoCE 等高性能网络基础知识及大模型分布式训练原理
面试指南
- STAR 法则描述项目经验
- 对于系统设计问题，采用“背景-核心挑战-方案设计-收益”的结构
- 对于底层原理问题，从概念到源码/实践层层递进
- 请介绍一个你使用 Go/Python 开发的复杂系统或项目，遇到了什么技术难点？
- Kubernetes 的默认调度器是如何工作的？Volcano 等批处理调度器解决了什么问题？
- 在分布式系统中，如何处理资源隔离与任务故障恢复？
- 你对大模型训练中的 GPU 资源碎片问题有什么理解或优化思路？
- 复习操作系统、计算机网络与分布式系统基础
职位点评
薪资福利75
成长发展95
工作生活50
使命价值80
薪资福利
75中等
作为核心基础架构实习岗，实习津贴在市场中具备竞争力，但 JD 未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：6千–1.2万/月）
成长发展
95较高
岗位涉及万卡规模 GPU 调度与大模型平台研发，技术栈极具前沿性与挑战性，能为实习生提供顶级的 AI 基础设施实战平台。
技术前沿前沿/新兴技术
技术栈Go、Python、Java、Linux、Docker、Kubernetes、K8s Scheduler、Volcano、PyTorch、DeepSpeed、vLLM、RDMA、RoCE
业务类型cost_center
工作生活
50较低
JD 未明确提及工作模式与工时安排，基础架构与万卡集群调度研发通常面临较高的技术挑战与业务压力，WLB 情况无法判断。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
岗位致力于大模型底层算力调度与平台研发，直接支撑 AI 技术的落地与效率提升，具有较高的行业前景与技术使命感。
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
小红书 的其他在招职位
相似职位推荐
Watch Jobs