Job description
- 万卡集群调度与管理：基于 Kubernetes 建设和运营万卡级 GPU 集群，负责 GPU 适配、拓扑感知调度、Gang 调度、GPU 故障自愈、全链路可观测等核心能力，支撑小米自研大模型 MiMo 的训练和推理等重点业务场景
- GPU 池化和利用率提升：统一纳管小米 GPU 资源，推进 GPU 调度优化、资源池化、GPU 虚拟化、训推混部等关键技术研发，持续提升全集团 GPU 资源利用率，实现技术降本增效
- GPU 核心能力建设：持续探索前沿 GPU 芯片的技术特性，包括国产卡适配、混合精度、模型量化、显存优化等技术，将芯片能力转化为业务竞争力，有力支撑集团 AI 战略落地