太极GPU智能调度专家（深圳/北京/上海/杭州）

1.主导万卡级 GPU 集群全局资源调度体系的战略规划与架构设计，通过构建动态资源画像、智能负载预测及精细化调度策略，实现资源利用率显著提升，保障离线训练与在线推理任务的高效稳定运行；
2.深入解析 RDMA 协议栈、分布式存储 IO 路径与计算资源的协同机制，定位并攻克大规模训练任务中的网络瓶颈、存储延迟等性能卡点，优化数据流转全链路吞吐量，支撑超大规模模型高效训练；
3.基于 Kubernetes、Docker 等云原生技术栈，主导高可用调度框架的架构设计与核心模块开发，深度适配分布式训练框架（如 Megatron-LM、DeepSpeed）需求，实现任务智能编排、自动化容灾与混合部署能力；深入 K8s 调度器源码级优化、CSI 插件定制开发及 CRD 扩展设计，推动大规模训推一体化技术落地；
4.牵头探索混合云资源池化、虚拟化技术（如 KVM / 容器虚拟化）、ARM 异构计算等前沿方向的技术验证与方案落地，制定技术演进路线图，持续推动计算资源调度平台的能力升级与技术创新；
5.沉淀大规模集群调度最佳实践与技术方法论，主导跨团队技术协作（如框架、硬件、网络团队），解决调度领域复杂技术难题，支撑业务高速增长。

1.熟练掌握 Go/Python/C++ 至少一门编程语言，精通数据结构与算法，具备扎实的底层编程能力与复杂问题拆解能力；
2.精通 Kubernetes 核心组件原理，包括调度器（调度算法、扩展点、Predicates/Priorities）、网络插件（Calico/Flannel）、存储 CSI 插件开发与适配；熟悉容器运行时（containerd/runc）机制，具备万级节点规模 K8s 集群调优、故障诊断与性能优化经验，能有效应对复杂场景下的调度需求；
3.具备深厚的高性能计算技术积累，拥有 OpenMP/MPI 并行程序设计经验，深入理解 RDMA 硬件加速原理（RoCE/IB）与集合通信优化技巧；熟悉 GPU 虚拟化技术（如 vGPU/MIG），能结合硬件特性优化资源分配策略；
4.深入理解主流 AI 框架（PyTorch/TensorFlow）底层分布式训练机制（如 AllReduce/Sharding），熟悉训练加速技术（算子优化、显存管理、混合精度训练），能针对 AI 任务特性设计专属调度策略，实现计算效率最大化；
5.具备大规模集群调度系统性能调优、故障根因分析的丰富经验，能独立解决跨硬件、网络、软件层的复杂技术问题，有超千卡级 GPU 集群调度平台搭建或优化成功案例者优先；
6.具备优秀的技术领导力与跨团队协作能力，能主导复杂技术项目从 0 到 1 落地；拥有清晰的技术视野与逻辑表达能力，善于推动技术标准制定与团队能力沉淀；
7.对云原生、异构计算、混合云等领域技术有深入研究，了解 Slurm、YARN 等传统调度系统，具备大规模 AI 集群调度平台或云原生 AI 平台建设经验者优先。。加分项：