{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Token Foundry-大模型训练Infra工程师-容器Infra方向",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术-基础平台"AI生成
    },
    "company": {
        "company_name": "通义",
        "company_industry": "人工智能",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "通义提供人工智能模型及文档阅读等AI应用。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 2,
        "degree": "计算机、软件工程等相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 基于开源 Kubernetes 构建面向大模型训练的容器化基础设施增强能力，研发 GPU 拓扑感知调度、Gang 调度、资源碎片治理与利用率提升，保障千卡 / 万卡级作业的快速拉起与高吞吐运行。\n2. 研发面向训练作业的任务编排与作业管理能力（作业生命周期管理、作业全链路追踪等自定义控制器），支撑预训练、RL、评测多场景任务的可靠调度与快速恢复。\n3. 建设训练算力的资源效率体系，负责容量规划、资源配额预分配与预检、按水位的动态分配 / 变更 / 释放，治理任务间资源争抢，并解决跨集群 Checkpoint 迁移等人工低效问题。\n4. 建设训练镜像加速（镜像构建、分层与压缩、按需加载、P2P、Region 级缓存与预热）与容器存储 / 网络优化能力，缩短作业启动与数据加载时延。\n5. 负责多集群、多算力池的接入与弹性对接（AI 算力池对接、GPU 多地域弹性），建设环境工程（跨域网络、环境交付、可用性巡检），沉淀可复用平台能力与自动化运维。",
        "requirements_text": "1. 计算机、软件工程等相关专业本科及以上学历，2 年以上容器、云原生或大规模基础设施研发经验。\n2. 熟练掌握 Go 语言，具备扎实的 Linux 系统基础（网络栈、文件系统、cgroups、进程管理），有复杂分布式系统的调试与问题定位能力。\n3. 对 Kubernetes 架构有深入理解，熟悉 Controller / Operator / Scheduler 扩展开发与 CRD / API 扩展机制，有自定义调度器或控制器研发经验；了解容器 Runtime（containerd / CRI）原理。\n4. 具备以下至少一个方向的深度实践经验：\na. 大规模 GPU 调度与资源效率（拓扑感知、Gang 调度、配额管理，如 Koordinator、Volcano、Kueue 等）；\nb. 训练 / AI 任务编排与作业生命周期管理（Kubeflow Training Operator、JobSet 等）；\nc. 容器镜像加速与分发（Dragonfly、Nydus、Overlaybd 等）或多集群 / 跨域算力接入（Karmada、Cluster API 等）。\n5. 了解大模型训练的资源特征（GPU 拓扑、通信模式、Checkpoint 等），有 AI Infra 相关工程经验者优先。\n6. 良好的工程素养与协作沟通能力，能在快迭代、多团队协作的训练 Infra 场景中稳定交付。",
        "skills": [AI生成
            "Linux",
            "Kubernetes",
            "分布式系统",
            "模型训练",
            "团队协作",
            "沟通能力",
            "Go",
            "大语言模型"
        ],
        "preferred_qualifications": "5. 了解大模型训练的资源特征（GPU 拓扑、通信模式、Checkpoint 等），有 AI Infra 相关工程经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100029700001"
            }
        ]
    },
    "posting": {
        "posting_id": "100029700001",
        "post_date": "2026-08-18",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100029700001"
    },
    "fulltext": "Token Foundry-大模型训练Infra工程师-容器Infra方向\nToken Foundry-大模型训练Infra工程师-容器Infra方向\n\n基础信息\n职位类别：技术-基础平台\n工作地点：北京 / 杭州\n\n职位描述\n1. 基于开源 Kubernetes 构建面向大模型训练的容器化基础设施增强能力，研发 GPU 拓扑感知调度、Gang 调度、资源碎片治理与利用率提升，保障千卡 / 万卡级作业的快速拉起与高吞吐运行。\n2. 研发面向训练作业的任务编排与作业管理能力（作业生命周期管理、作业全链路追踪等自定义控制器），支撑预训练、RL、评测多场景任务的可靠调度与快速恢复。\n3. 建设训练算力的资源效率体系，负责容量规划、资源配额预分配与预检、按水位的动态分配 / 变更 / 释放，治理任务间资源争抢，并解决跨集群 Checkpoint 迁移等人工低效问题。\n4. 建设训练镜像加速（镜像构建、分层与压缩、按需加载、P2P、Region 级缓存与预热）与容器存储 / 网络优化能力，缩短作业启动与数据加载时延。\n5. 负责多集群、多算力池的接入与弹性对接（AI 算力池对接、GPU 多地域弹性），建设环境工程（跨域网络、环境交付、可用性巡检），沉淀可复用平台能力与自动化运维。\n\n职位要求\n1. 计算机、软件工程等相关专业本科及以上学历，2 年以上容器、云原生或大规模基础设施研发经验。\n2. 熟练掌握 Go 语言，具备扎实的 Linux 系统基础（网络栈、文件系统、cgroups、进程管理），有复杂分布式系统的调试与问题定位能力。\n3. 对 Kubernetes 架构有深入理解，熟悉 Controller / Operator / Scheduler 扩展开发与 CRD / API 扩展机制，有自定义调度器或控制器研发经验；了解容器 Runtime（containerd / CRI）原理。\n4. 具备以下至少一个方向的深度实践经验：\na. 大规模 GPU 调度与资源效率（拓扑感知、Gang 调度、配额管理，如 Koordinator、Volcano、Kueue 等）；\nb. 训练 / AI 任务编排与作业生命周期管理（Kubeflow Training Operator、JobSet 等）；\nc. 容器镜像加速与分发（Dragonfly、Nydus、Overlaybd 等）或多集群 / 跨域算力接入（Karmada、Cluster API 等）。\n5. 了解大模型训练的资源特征（GPU 拓扑、通信模式、Checkpoint 等），有 AI Infra 相关工程经验者优先。\n6. 良好的工程素养与协作沟通能力，能在快迭代、多团队协作的训练 Infra 场景中稳定交付。\n1. 基于开源 Kubernetes 构建面向大模型训练的容器化基础设施增强能力，研发 GPU 拓扑感知调度、Gang 调度、资源碎片治理与利用率提升，保障千卡 / 万卡级作业的快速拉起与高吞吐运行。\n2. 研发面向训练作业的任务编排与作业管理能力（作业生命周期管理、作业全链路追踪等自定义控制器），支撑预训练、RL、评测多场景任务的可靠调度与快速恢复。\n3. 建设训练算力的资源效率体系，负责容量规划、资源配额预分配与预检、按水位的动态分配 / 变更 / 释放，治理任务间资源争抢，并解决跨集群 Checkpoint 迁移等人工低效问题。\n4. 建设训练镜像加速（镜像构建、分层与压缩、按需加载、P2P、Region 级缓存与预热）与容器存储 / 网络优化能力，缩短作业启动与数据加载时延。\n5. 负责多集群、多算力池的接入与弹性对接（AI 算力池对接、GPU 多地域弹性），建设环境工程（跨域网络、环境交付、可用性巡检），沉淀可复用平台能力与自动化运维。\n1. 计算机、软件工程等相关专业本科及以上学历，2 年以上容器、云原生或大规模基础设施研发经验。\n2. 熟练掌握 Go 语言，具备扎实的 Linux 系统基础（网络栈、文件系统、cgroups、进程管理），有复杂分布式系统的调试与问题定位能力。\n3. 对 Kubernetes 架构有深入理解，熟悉 Controller / Operator / Scheduler 扩展开发与 CRD / API 扩展机制，有自定义调度器或控制器研发经验；了解容器 Runtime（containerd / CRI）原理。\n4. 具备以下至少一个方向的深度实践经验：\na. 大规模 GPU 调度与资源效率（拓扑感知、Gang 调度、配额管理，如 Koordinator、Volcano、Kueue 等）；\nb. 训练 / AI 任务编排与作业生命周期管理（Kubeflow Training Operator、JobSet 等）；\nc. 容器镜像加速与分发（Dragonfly、Nydus、Overlaybd 等）或多集群 / 跨域算力接入（Karmada、Cluster API 等）。\n5. 了解大模型训练的资源特征（GPU 拓扑、通信模式、Checkpoint 等），有 AI Infra 相关工程经验者优先。\n6. 良好的工程素养与协作沟通能力，能在快迭代、多团队协作的训练 Infra 场景中稳定交付。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}