分布式AI系统工程师/专家

职责描述
•负责分布式AI系统总体架构，包括任务编排、资源调度、状态管理、服务发现、通信与容错等核心能力。

•设计面向异构计算节点的统一资源抽象与运行机制，使不同计算能力能够被高效发现、调度和组合。

•构建跨节点的Context/State管理、数据同步和任务迁移机制，支持连续、低延迟的AI应用运行。

•设计网络异常、节点离线、资源不足等条件下的降级、恢复与容错策略，提升系统鲁棒性。

•优化RPC、Streaming、Messaging等通信链路，持续降低跨节点协同的延迟与资源开销。

•建立系统可观测性体系，包括Tracing、Metrics、Logging、故障定位和性能分析。

•与AIInfra、端侧AI、Agent、模型和产品团队协作，推动共性分布式能力沉淀并规模化复用。

•持续研究DistributedRuntime、EdgeComputing、Serverless、P2P等相关技术，探索下一代分布式AI系统架构。

任职要求
•计算机或相关专业背景，具备扎实的操作系统、计算机网络和分布式系统基础。

•有大型分布式系统设计与研发经验，熟悉一致性、可用性、容错、调度、状态管理等核心问题。

•熟练掌握C++、Rust、Go、Java等至少一种系统开发语言。

•熟悉RPC、消息系统、服务发现、分布式存储、容器或Kubernetes等一个或多个技术领域。

•能够处理弱网、断网、动态拓扑、异构节点和有限资源等非理想运行环境。

•具备良好的系统抽象和架构设计能力，能够从复杂业务需求中提炼可复用的底层能力。

•对AI模型推理、AgentRuntime或AIWorkload有基本理解，能够与算法和模型团队高效协作。