中国移动｜AI开发岗（平台基础设施）-金种子（北京）

1、负责大模型平台底层软件基础设施的架构设计、开发搭建与迭代升级，涵盖模型训练、推理、部署全流程配套底层系统，针对平台稳定性、兼容性、扩展性进行持续优化，解决大规模模型落地中的底层软件瓶颈问题，支撑大模型业务规模化运行； 2、参与大模型算力集群的智能化管理与调度系统研发，优化AI算力资源分配、任务排队、资源复用策略，通过算法优化、策略迭代提升算力利用率，降低平台运行成本，解决算力碎片化、任务拥堵、资源浪费等核心痛点，实现算力资源的高效智能调度； 3、负责大模型基础设施平台的可观测体系建设，搭建高性能、高实时性的数据采集、传输、清洗、分析数据管道，覆盖算力状态、模型运行、集群负载、链路延迟等全维度监控指标；优化观测数据精度与分析效率，实现平台故障智能预警、根因定位、性能瓶颈挖掘，提升平台运维智能化水平； 4、针对大模型基础设施平台的响应延迟、吞吐能力、并发承载、资源功耗等核心性能指标开展专项优化，通过软件架构重构、代码优化、机制升级、智能策略引入等方式，持续提升平台整体运行性能与承载能力； 5、结合机器学习、智能算法等技术思路，探索智能化解决方案解决传统基建痛点，包括自动化运维、异常智能识别、负载智能预测、资源自适应调度等场景，以智能手段赋能基础设施平台自动化、智能化升级； 6、跟踪大模型底层基建、算力调度、云原生基础设施等前沿技术。

1、博士学历，计算机、人工智能、数学、系统工程等相关专业； 2、熟练掌握Go/C++/Java/Python至少一门主流开发语言； 3、熟悉分布式系统、微服务、云原生基础架构、调度框架，了解K8s、容器化部署、集群管理等相关技术，有分布式平台、底层基础设施开发优化经验者优先； 4、了解AI算力集群、模型训练/推理任务调度基本原理，有资源调度、负载均衡、任务优化相关项目或实践经验者优先； 5、熟悉大模型可观测体系建设逻辑，了解对大模型超长训练任务、高并发分布式推理服务的观测痛点，设计并优化高性能可观测数据管道； 6、具备一定的算法基础，能够结合智能算法、机器学习思路优化传统工程问题，有通过智能化手段解决系统问题。