职位描述
1、承担AI时代IaaS层计算引擎的设计和研发工作，致力于构筑行业领先的AI云计算基础底座；
2、重点负责快手内部大模型训练与推理场景的优化工作，通过构建全面的异常发现与故障自愈机制、提升模型加载时效、实施GPU池化等措施，提升平台的MFU（资源利用率）和MTTR（故障恢复时间）等核心指标；
3、基于云原生系列技术，跟进AI链路中各核心组件的研发工作，包括训练推理服务编排、GPU资源调度和混布，以及高性能存储、高性能RDMA网络等的对接支撑；
4、参与构建异构多芯计算集群，持续优化GPU资源调度、GPU虚拟化、在离线推理隔离、快照等核心能力，有效提升多芯供应能力和集群资源效率。
任职要求：
1、本科及以上学历，计算机相关专业；
2、熟悉常用数据结构与算法，精通计算机基础，具备扎实的编程基础和良好的编码习惯；
3、有优良的逻辑分析能力和算法基础，熟练掌握至少一种编程语言（如 Python、Golang、Java、C 等）；
4、具有以下任一技能要求者优先：
a. 熟悉Megatron-LM、DeepSpeed、FairScale、TensorRT-LM等大模型技术中的一种；
b. 熟悉vLLM、LMCache、KVCache多级缓存卸载等技术；
c. 熟悉CUDA、GPU底层硬件技术；
d. 熟悉Alluxio、Lustre等高性能存储技术；
e. 有高性能计算背景和参与过相关开源项目优先；
5、有AI推理/训练研究型经验者优先。