岗位职责
-GPU 镜像生命周期管理与质量保障 -主导多 OS 基础镜像（Ubuntu/CentOS/Rocky等）的 GPU 驱动深度集成，负责公共镜像（训练镜像/推理镜像/沙箱基础镜像）的研发全流程，维护镜像版本规范 -负责 NVIDIA、昆仑芯等GPU驱动的多版本并存管理，维护内核态模块与用户态库的版本矩阵及兼容性档案，设计并实现 GPU驱动版本管理工具链，支持多版本驱动切换与灰度升级 -建设镜像自动化构建 CI/CD 流水线（多架构并行构建），制定并执行镜像质量标准测试与端到端性能基准回归，例如CUDA 工具链（cuDNN/NCCL/cuBLAS）集成验证 -建立镜像安全扫描机制（CVE 漏洞检测 + 驱动签名校验），保障面向用户交付镜像的安全合规 -追踪上游 NVIDIA 开源驱动（nvidia-open-gpu-kernel-modules）及GPU驱动社区动态，评估补丁并推进关键修复的内核 backport -AI 场景OS自助调优与诊断 -面向大模型训练、推理、精调等典型 AI 工作负载，建立内核层参数的系统性调优知识库，覆盖CPU 亲和性、PCIe P2P 带宽、NCCL 网络栈（RoCE/IB）等关键维度 -设计并开发内核参数自助调优工具/平台：根据用户提交的工作负载画像（模型规模/GPU 拓扑/通信模式），自动推荐并下发最优参数组合 -建立调优效果评估闭环体系：A/B 对比测试框架 + 性能基线库，量化各参数组合对训练吞吐（token/s）、推理延迟（TTFT/TBT）的影响 -参与研究eBPF 可观测工具链，实现对 GPU 内核驱动调用链路、PCIe 总线利用率、CPU-GPU 协同调度的细粒度监控与剖析
职位要求
-本科及以上学历，计算机、软件工程或电子信息相关专业，3-5 年以上系统软件开发经验 -熟悉 C/C++ 系统编程，具备 Shell/Python 脚本工程化能力，能独立开发运维工具链 -具备跨架构（x86/ARM）系统适配经验，熟悉多架构镜像构建（multi-arch manifest） -熟悉内核模块开发、设备驱动框架（PCIe/DMA/interrupt）、内存管理子系统（mmap/huge pages/NUMA）者优先 -深入理解 NVIDIA CUDA 驱动栈（用户态 Runtime 与内核态 UVM/GSP 模块），熟悉 GPU 显存管理机制（UVM、NVLink/P2P），有驱动级问题定位或定制开发经验者优先 -了解 NCCL/集合通信原理，有过 GPU 训练性能调优（通信/计算 overlap、显存碎片优化等）实践者优先 -熟悉 eBPF，具备 GPU 驱动调用链路追踪或内核性能剖析能力，参与过 Linux 内核、NVIDIA 开源驱动或 QEMU/KVM 上游社区贡献者优先
