工作职责： 1. 算力集群规划与建设 主导GPU集群整体架构设计，涵盖硬件选型、高速网络组网、并行存储，构建高性能、高可靠且可弹性扩展的训练基础设施；负责集群的部署实施与全生命周期运维，实现资源的统一池化与动态分配。 2. 分布式训练系统搭建与优化 设计并实施支持LLM、多模态大模型及AI智能体系统的分布式训练架构，灵活组合数据并行、张量并行、流水线并行与专家并行策略，提升集群训练线性扩展效率至90%以上；针对具身智能项目中的强化学习训练（RLHF、在线RL）、仿真到真实迁移等场景，优化训练数据管线、GPU资源调度与奖励计算效率，满足机器人控制模型的高频迭代需求。 3. 模型算法与GPU算力联合优化 深入分析训练与推理过程中的计算瓶颈，系统性提升训练吞吐；负责推理管线极致优化，降低延迟并提升吞吐量，确保端侧部署的轻量化与高响应；跟踪前沿技术（如MoE架构、稀疏化计算、梯度压缩），持续探索算法-硬件联合设计的最优解，将研究成果转化为集群性能提升的工程实践。 4. 可观测性与自动化运维体系构建 搭建覆盖GPU健康状态、网络带宽、存储IO、作业状态的全局可观测系统，建立故障根因分析知识库，实现异常预警、自动恢复与容量规划；使用运维工具提升集群交付效率，同时基于任务历史数据进行算力计量与成本分析，推动资源使用规范与降本增效 任职资格： 1、生源资质：硕士及以上学历。 2、专业要求：计算机、电子工程、人工智能等相关专业 3、证书要求：能正常取得国家颁发的毕业证及学位证。 4、在校表现：在校期间担任学生干部、获得校级及以上荣誉者优先。 5、其他要求：身体健康，热爱汽车行业，乐于奉献，敢于挑战。