深度求索超算集群研发工程师

工作描述

【团队使命】
在 AI 时代，超算集群就是把电力转换为智能的引擎。它是通向 AGI 的坚实底座。
从万卡集群去往数十万卡的路上，丛生着系统复杂度的荆棘。我们的目标，是跑满所有计算资源，榨干每一份算力。这牵涉着异构算力的调度权衡、全系统栈的性能调优、超大规模网络的互联承载，以此探索下一代集群的更优架构。
每一层设计都需要我们从第一性原理出发，重新审视，重新思考。让每一瓦电力都尽可能多地转换为有效算力，让每一次模型训练和推理都扎根于极致高效的算力底座之上。
【岗位类别】：实习/全职

【工作职责】
你将根据团队目标和个人专长，参与以下关键领域中的一个或多个方向的架构设计与工程实现：
集群调度方向
1.负责异构集群的训推一体平台开发，解决 CPU/GPU/NPU 等资源的抽象、池化与拓扑感知，提高易用性。
2.持续优化调度算法，在任务优先级、系统吞吐、排队延迟与资源利用率之间取得均衡。
高性能网络方向
1.负责 AI 超算集群网络的拓扑设计、路由策略、多路径负载均衡和拥塞控制，深入研究 RDMA（RoCEv2 / InfiniBand）协议栈，与通信算子、存储团队配合，提供来自高性能网络的最优底层支撑。
2.排查各种基础组件在大规模训练和推理任务的故障，进行问题定位和调优。
3.从集群视角（CPU/GPU/网网络/操作系统），分析大规模并行系统中的性能抖动、长尾延迟以及快慢节点等系统性问题，支…