主分类：云基础设施与系统软件研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "高级 IaaS 研发工程师（J97206）",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "ACG",
"location": "深圳市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "-计算机相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-参与 AI Infra 核心平台建设，支撑大模型训练与推理业务的稳定、高效运行，覆盖 GPU、RDMA、高速网络等算力资源在云原生体系中的统一管理与调度\n-负责 GPU、RDMA 等 IaaS 资源的自动化准入、能力识别、基准测试与性能评测，建设标准化算力验收与持续评测体系，保障不同硬件规格在大规模集群下的可用性与一致性\n-负责 Kubernetes 容器平台的架构设计、能力演进与稳定性治理，重点关注平台的高可用、稳定性、安全性、性能、可扩展性等非功能性指标，参与或主导调度、资源隔离、设备插件（GPU/RDMA）、网络或存储相关模块的设计与二次开发\n-支撑大模型推理与训练业务在平台侧的工程化落地，关注推理与训练场景下的资源利用率、调度效率、显存管理与多租户隔离，与算法、引擎团队协作，推动性能优化能力在平台层的规模化复用\n-参与多卡、多机、大规模 GPU 集群的资源调度与稳定性建设，支撑 TP/DP/PP/PD 等并行模式在平台侧的运行与管理，解决实际生产环境中的性能抖动、资源碎片化与容量规划问题\n-参与运维与运营平台后端研发，支撑算力运营、性能监控、容量管理与成本治理，建设可观测体系（监控、日志、Tracing），推动问题发现与定位的自动化，通过工程化手段持续降低人工运维成本",
"requirements_text": "-计算机相关专业本科及以上学历，3年及以上后端/平台/云原生相关经验\n-熟悉 Kubernetes 生态，具备容器平台或云原生系统的实际建设经验\n-熟练掌握 Go 语言，具备中大型后端或平台系统的设计与开发能力\n-熟悉 Linux 操作系统原理，理解容器网络、存储、资源隔离与调度机制\n-具备良好的工程习惯、文档意识和跨团队沟通协作能力\n-了解 GPU、RDMA 等算力资源在云原生体系中的使用与管理方式\n-具备 GPU 集群或高性能计算相关的工程经验者优先\n-了解大模型训练与推理的基本流程，能够从平台视角支撑其稳定运行\n-熟悉或了解多卡/多机场景下的并行模式（TP/DP/PP/PD 等）\n-具备性能分析与问题定位能力，能够在复杂系统中拆解并解决稳定性或性能问题",
"skills": [AI生成
"Linux",
"Kubernetes",
"模型训练",
"Go",
"大语言模型"
],
"preferred_qualifications": "具备 GPU 集群或高性能计算相关的工程经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/6f8271d1-ffb7-481e-ab56-089707295228"
}
]
},
"posting": {
"posting_id": "6f8271d1-ffb7-481e-ab56-089707295228",
"post_date": "2026-02-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/6f8271d1-ffb7-481e-ab56-089707295228"
},
"fulltext": "高级 IaaS 研发工程师（J97206）\n高级 IaaS 研发工程师（J97206）\n\n基础信息\n部门：ACG\n地点：深圳市\n类别：技术\n招聘人数：2\n发布时间：2026-07-21\n\n工作职责\n-参与 AI Infra 核心平台建设，支撑大模型训练与推理业务的稳定、高效运行，覆盖 GPU、RDMA、高速网络等算力资源在云原生体系中的统一管理与调度\n-负责 GPU、RDMA 等 IaaS 资源的自动化准入、能力识别、基准测试与性能评测，建设标准化算力验收与持续评测体系，保障不同硬件规格在大规模集群下的可用性与一致性\n-负责 Kubernetes 容器平台的架构设计、能力演进与稳定性治理，重点关注平台的高可用、稳定性、安全性、性能、可扩展性等非功能性指标，参与或主导调度、资源隔离、设备插件（GPU/RDMA）、网络或存储相关模块的设计与二次开发\n-支撑大模型推理与训练业务在平台侧的工程化落地，关注推理与训练场景下的资源利用率、调度效率、显存管理与多租户隔离，与算法、引擎团队协作，推动性能优化能力在平台层的规模化复用\n-参与多卡、多机、大规模 GPU 集群的资源调度与稳定性建设，支撑 TP/DP/PP/PD 等并行模式在平台侧的运行与管理，解决实际生产环境中的性能抖动、资源碎片化与容量规划问题\n-参与运维与运营平台后端研发，支撑算力运营、性能监控、容量管理与成本治理，建设可观测体系（监控、日志、Tracing），推动问题发现与定位的自动化，通过工程化手段持续降低人工运维成本\n\n职责要求\n-计算机相关专业本科及以上学历，3年及以上后端/平台/云原生相关经验\n-熟悉 Kubernetes 生态，具备容器平台或云原生系统的实际建设经验\n-熟练掌握 Go 语言，具备中大型后端或平台系统的设计与开发能力\n-熟悉 Linux 操作系统原理，理解容器网络、存储、资源隔离与调度机制\n-具备良好的工程习惯、文档意识和跨团队沟通协作能力\n-了解 GPU、RDMA 等算力资源在云原生体系中的使用与管理方式\n-具备 GPU 集群或高性能计算相关的工程经验者优先\n-了解大模型训练与推理的基本流程，能够从平台视角支撑其稳定运行\n-熟悉或了解多卡/多机场景下的并行模式（TP/DP/PP/PD 等）\n-具备性能分析与问题定位能力，能够在复杂系统中拆解并解决稳定性或性能问题\n-参与 AI Infra 核心平台建设，支撑大模型训练与推理业务的稳定、高效运行，覆盖 GPU、RDMA、高速网络等算力资源在云原生体系中的统一管理与调度\n-负责 GPU、RDMA 等 IaaS 资源的自动化准入、能力识别、基准测试与性能评测，建设标准化算力验收与持续评测体系，保障不同硬件规格在大规模集群下的可用性与一致性\n-负责 Kubernetes 容器平台的架构设计、能力演进与稳定性治理，重点关注平台的高可用、稳定性、安全性、性能、可扩展性等非功能性指标，参与或主导调度、资源隔离、设备插件（GPU/RDMA）、网络或存储相关模块的设计与二次开发\n-支撑大模型推理与训练业务在平台侧的工程化落地，关注推理与训练场景下的资源利用率、调度效率、显存管理与多租户隔离，与算法、引擎团队协作，推动性能优化能力在平台层的规模化复用\n-参与多卡、多机、大规模 GPU 集群的资源调度与稳定性建设，支撑 TP/DP/PP/PD 等并行模式在平台侧的运行与管理，解决实际生产环境中的性能抖动、资源碎片化与容量规划问题\n-参与运维与运营平台后端研发，支撑算力运营、性能监控、容量管理与成本治理，建设可观测体系（监控、日志、Tracing），推动问题发现与定位的自动化，通过工程化手段持续降低人工运维成本\n-计算机相关专业本科及以上学历，3年及以上后端/平台/云原生相关经验\n-熟悉 Kubernetes 生态，具备容器平台或云原生系统的实际建设经验\n-熟练掌握 Go 语言，具备中大型后端或平台系统的设计与开发能力\n-熟悉 Linux 操作系统原理，理解容器网络、存储、资源隔离与调度机制\n-具备良好的工程习惯、文档意识和跨团队沟通协作能力\n-了解 GPU、RDMA 等算力资源在云原生体系中的使用与管理方式\n-具备 GPU 集群或高性能计算相关的工程经验者优先\n-了解大模型训练与推理的基本流程，能够从平台视角支撑其稳定运行\n-熟悉或了解多卡/多机场景下的并行模式（TP/DP/PP/PD 等）\n-具备性能分析与问题定位能力，能够在复杂系统中拆解并解决稳定性或性能问题",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}