MomentaAI Infra 高级研发工程师
任职要求
1. 学历背景： 计算机相关专业硕士及以上学历，具备扎实的理论基础和强大的动手能力； 2. 编程能力： - 熟悉 Python/C++/CUDA/CUTLASS/Triton 编程，熟悉 PyTorch 框架及其底层实现； - 熟悉分布式系统开发与调试，熟悉分布式通信开发 NCCL/RDMA/IB/RoCE，有多进程调度与并行算法优化经验者优先； 3. 训练与推理经验： …
工作职责
负责 Momenta 自动驾驶大模型、世界模型的分布式训练推理框架研发，主要包括： 1. 参与设计、研发、维护团队内部的模型分布式训练框架，擅长分析并深度优化训练各个阶段的性能瓶颈，包括计算效率、通信延迟、显存占用等； 2. 结合不断迭代的模型算法逻辑，设计并实现针对性的高效分布式并行训练策略； 3. 深入研究 CUDA、NCCL、RDMA 等编程范式和通信库，针对团队内部的 GPU 和 集群拓扑约束，开发高性能算子 并 优化分布式通信效率，达到行业 SOTA 水平； 4. 深入研究低精度混合精度训练策略，在保证模型精度满足预期的情况下，探索低精度（FP8、FP4）训练的性能极限； 5. 配合算法需求，开发 RL 训练框架、迭代 RL 训练算法逻辑，优化在线 Rollout 推理性能，深度优化 分布式 On-Policy/异步 RL 训练效率。
1. 负责百炼专属版大模型AI Infra产品定义、设计及商业化落地； 2. 制定产品策略以及商业策略，以业务成功为导向，协同研发工程师，售前架构师， 产品运营等多角色共同努力达成业务目标； 3. 深刻理解客户业务和场景需求，追踪行业发展趋势及技术发展动态，规划产品演进路径及迭代，保持具有持续产品力竞争优势； 4. 追踪标杆客户，确保技术可行性，以及对产品演进的持续反馈，沉淀最佳实践，标杆项目案例； 5. 收集客户需求，结合技术理解和研判，推动产品功能升级迭代，提升产品市场竞争力和市场占有率。
弹性计算异构AI推理团队，承担着构建阿里云IAAS资源在公共云竞争力的职责。在AI领域，团队对接业界主要AI用户的业务需求，承接提升GPU、AI加速器等芯片在AI场景的竞争力职责。和团队一起通过专家领域知识和软硬件分析能力构建阿里云在AI场景的核心竞争力和加速解决方案。 1. 负责基于云上AI真实场景的解决方案和性能分析系统建设，构建性能标尺。 2. 负责基于云上大规模推理场景的构建和底层软件性能优化工作。 3. 负责包括CIPU、GPU、AI加速器等硬件在阿里云AI场景的竞争力构建。 4. 与厂商和内部业务团队合作，为阿里云的AI用户提供具有竞争力的AI解决方案。
1. 深入理解所负责的容器平台技术原理、架构和使用场景，对容器平台调度/容器运行时/应用编排/serverless/弹性容量等特性进行架构设计和客户方案管理，推动和实现产品的商业化落地； 2. 具备良好的架构思维能力，根据对云计算平台以及企业用户的业务需求，从稳定性、功能、性能、可用性等方面，敏锐捕捉市场趋势，分析竞对产品及市场策略，为产品的设计、实现、改进不断提出建设性的想法和建议，反哺产品能力建设，不断提升容器产品的市场竞争力； 3. 与前线架构师/BTE销售紧密合作，主动了解客户当前在产品方案遇到的困难和需求，帮助客户解决技术问题，寻找新的业务突破点。推广产品方案并能够影响客户的基础设施、工程、算法等不同团队，用产品技术推动业务扩展； 4. 分析云计算技术发展趋势/市场竞争格局，挖掘行业数据/客户商机，建立可复制行业解决方案，与产品内部的产品经理、产品运营、研发等团队紧密配合，推动营收增长。
1. 负责京东云AI基础设施产品的质量保障工作，为上层AI开发提供高性能计算/网络、AI存储、大模型训练/推理、大数据开发等高质量底层技术产品； 2. 参与构建产品质量保障体系，根据产品需求、设计文档，制定测试计划，编写和执行测试用例，反馈问题，评价版本质量； 3. 参与自动化测试框架及测试pipeline建设，持续提高提测质量和测试效率。