小红书
【2027校招】大模型算力平台研发工程师
【2027校招】大模型算力平台研发工程师
发布于 大约 6 小时前普通员工/个人贡献者
全职员工仅现场办公平台工程
平台工程
Gpu调度
Rdma
Volcano
云原生
分布式系统
大模型
值不值得投
71综合评分
综合评分 71
技术前沿、成长性强的校招大厂岗位，薪资市场水准，WLB信息不明。
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
27K
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 1430 个在招
市场机会
选择适中
上海 · 平台工程 · 29 个在招
职位详情
关于这个职位
这个职位负责小红书大模型算力平台的研发，核心是设计和优化万卡级GPU集群调度系统，支持大模型训练、推理等负载
工作涉及云原生技术栈（如Kubernetes、Volcano），旨在提升资源利用率和系统稳定性
适合对AI基础设施、分布式系统有浓厚兴趣的应届毕业生
最低要求
熟悉云原生生态及工具，如 Kubernetes、Kubeflow、Volcano、Kueue 等，有调度系统开发经验优先
熟悉 GPU 集群调度、GPU 虚拟化、Quota 管理、故障容错、资源弹性伸缩、高速网络 / 存储等方向中的至少一类
了解大模型训练、后训练、推理、部署等生命周期，理解不同负载对 GPU 资源、网络、存储和调度策略的差异化诉求
熟练掌握 Python、Golang、C++ 或其他编程语言中的一门或多门，具备良好的工程实现能力
具备优秀的逻辑分析能力和系统抽象能力，能够基于真实业务负载进行问题拆解、策略设计和工程落地
有良好的沟通协作能力，能与平台、云原生、算法、业务、IDC、网络和存储团队协同推进复杂项目
工作职责
万卡级 GPU 调度系统建设： 参与大规模 GPU 集群调度系统建设，围绕 Quota、优先级、抢占、弹性伸缩、碎片整理、拓扑感知调度等能力提升资源效率
训推统一调度： 面向大模型训练、后训练、推理服务等不同负载，设计训推统一调度、潮汐混部、在线离线协同和资源弹性策略
资源利用率治理： 建设 GPU 资源利用率分析体系，基于真实负载数据识别低效资源、资源碎片、潮汐空闲和调度瓶颈
LLMOps 平台融合： 参与构建面向大模型训练、微调、推理、部署全流程的 LLMOps 能力，与云原生平台深度融合，支撑大模型生产链路稳定高效落地
集群稳定性建设： 与云原生、IDC、网络、存储和业务团队协作，提升大规模 AI 集群的故障恢复能力、资源周转效率和任务稳定性
前沿技术探索： 持续关注 Kubernetes、Volcano、Kueue、Ray、GPU 虚拟化、弹性调度等相关技术，探索下一代 AI 资源调度系统
优先资格
有大模型场景下负载特征分析、GPU 集群调度、资源利用率优化、高性能网络 / 存储等实践经验
有 GPU 虚拟化、在线 / 离线混部、潮汐调度、抢占式调度、碎片整理等落地经验
有大规模训练或推理集群端到端优化经验，理解训练和推理负载在调度侧的差异
熟悉 RDMA、IB、RoCE、NCCL 等通信机制，能结合网络拓扑优化调度策略
有 Kubernetes Scheduler、Volcano、Kueue、Ray、YARN、Airflow 等调度系统开发经验
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉及大模型、云原生等热门领域，技能积累价值高
- 作为大厂校招平台，有完善的培训体系和项目实践机会
- 工作地点在一线城市，行业资源丰富，职业发展空间大
- 技术难度高，需要深入理解分布式系统、GPU架构和AI负载特性
- 跨团队协作复杂，需与多个技术团队协同推进项目
- 行业竞争激烈，需持续学习新技术以保持竞争力
- 适合对AI基础设施、分布式系统有浓厚兴趣，具备扎实编程和系统设计能力，追求技术成长的应届毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 可深入AI基础设施领域，成长为GPU调度或云原生架构专家
- 向技术管理方向发展，负责更大规模平台团队
- 参与行业前沿技术研究，成为大模型算力优化领域的技术领袖
- 设计和优化大规模GPU集群调度系统，提升资源利用率
- 支持大模型训练、推理等负载的统一度调度和混部策略
- 参与云原生平台与AI工具链的融合，保障集群稳定性
- 探索前沿技术如Kubernetes调度、GPU虚拟化等，推动系统演进
- 熟悉Kubernetes、Volcano等云原生调度工具，有相关开发经验
- 掌握Python、Golang或C++等编程语言，具备系统工程能力
- 了解GPU集群调度、资源弹性伸缩等分布式系统知识
- 具备逻辑分析能力和跨团队协作沟通能力
申请策略
- 了解小红书的技术博客和开源贡献，展示对公司的研究
- 在面试中主动讨论大模型算力优化的见解，体现技术热情
- 突出Kubernetes、Volcano等云原生项目经验，或GPU调度相关实践
- 强调编程语言熟练度和工程实现案例，如系统优化、性能调优
- 展示分布式系统、集群管理的项目经历，体现问题解决能力
- 提及大模型、AI训练/推理相关的了解或兴趣
- 深入学习Kubernetes调度器、Volcano等云原生调度框架的源码和原理
- 补充GPU虚拟化、高性能网络（如RDMA）等知识，增强技术广度
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目问题，突出技术细节和成果
- 对于系统设计问题，先明确需求，再从架构、组件、优化策略等角度展开
- 技术原理问题结合理论知识和实践经验，展示深度理解
- 请描述一个你参与过的分布式系统项目，重点说明你的角色和贡献
- 如何设计一个GPU调度系统来支持大模型训练和推理混合负载？
- 你对Kubernetes调度器的工作原理有哪些了解？如何优化其性能？
- 如果集群出现GPU资源利用率低的问题，你会如何分析和解决？
- 如何确保大规模AI集群的稳定性和故障恢复能力？
职位点评
薪资福利70
成长发展90
工作生活40
使命价值75
薪资福利
70中等
校招大厂岗位，薪资可能有竞争力，但JD未明确披露，需以市场水准估算。
薪资信号未披露（AI估算：22K-32K/月）
成长发展
90较高
职位涉及大模型、云原生等前沿技术，提供深度技能成长和行业经验积累机会。
技术前沿前沿/新兴技术
技术栈Kubernetes、GPU调度、Volcano、大模型、云原生、Python、Golang、RDMA
业务类型ambiguous
工作生活
40较低
JD未提及办公模式、工作时间等信息，工作节奏和WLB不明确，可能需要高强度协作。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
AI和云计算是高速增长赛道，技术岗位对行业创新有推动作用，但社会影响力较为间接。
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