ai infra存储 base北京，

专家定位，薪资可以open聊 岗位职责 1、存储架构设计与优化 1）设计面向大规模 AI 工作负载的存储架构（分布式文件系统、对象存储、缓存层等），满足高吞吐、低延迟的训练数据供给需求； 2）优化存储 I/O 路径，减少数据加载瓶颈，提升 GPU/加速器利用（Data Pipeline → Storage → GPU 的全链路优化）； 3）评估并引入新型存储介质（NVMe SSD、NVMe-oF、CXL Memory、HBM 等）在 AI 场景下的适用性。 2、数据管理与编排 1）构建高效的数据预处理与加载管线，与训练框架（PyTorchTensorFlow、DeepSpeed、Megatron 等）深度集成； 2）实现checkpoint的高性能读写与管理策略（异步保存、增量快照、分布式存储一致性）。 3、分布式存储系统开发与运维 1） 开发或深度定制分布式存储系统（如 Lustre、GPFS/Spectrum Scale、CEPH、MinIO、Weka、VAST 等）以满足 AI 场景特有需求； 2）实现存储集群的弹性伸缩、容灾恢复与数据一致性保障； 3）构建存储系统监控与可观测性体系（IOPS、带宽、延迟、容量热力图、异常检测）。 4、训练-存储协同优化 1）与训练框架团队协作，实现存储感知的调度策略（数据局部性调度、拓扑感知调度）； 2）优化大模型训练中的存储瓶颈：参数持久化、梯度聚合存储、混合精度训练中间态管理； 3）研究并落地新型存储范式：如 In-Memory 分布式缓存（Alluxio）、数据预取策略、RDMA 直连存储。 5、平台化与工程化 1）将存储能力抽象为标准化服务，提供 API / SDK 供上层 AI 平台调用 2）推动存储系统自动化运维（自动扩缩容、故障自愈、性能调优建议） 3）编写技术文档、最佳实践指南，赋能 AI 团队高效使用存储资源