AI Infrastructure Engineer

关于我们

**安贤投资（AXQ Capital）**是一家全球量化投资机构。我们立足不同地域、资产类别和交易周期，持续构建多元化的投资优势。我们的策略植根于严谨的量化研究与深入的市场理解，并通过对数据、技术和人工智能的长期投入不断强化。我们汇聚来自全球顶尖高校及领先量化机构的优秀人才，倡导以好奇心、严谨精神和主人翁意识为基础的合作文化。在这里，最好的想法能够脱颖而出，每个人也能与公司共同成长。

岗位使命

作为**AI 基础设施工程师（AI Infrastructure Engineer）**你将参与建设 AXQ 面向量化研究与机器学习的计算和平台基础设施，与 Infrastructure 团队及研究、工程团队紧密合作，提升特征计算、模型训练、实验迭代与推理任务的效率和可靠性。我们面向 PB 级数据处理与数十 TB 级训练数据的研究场景，持续优化 GPU/CPU 计算资源、分布式计算、存储与数据访问、机器学习平台及开发者工具。你将独立负责相关基础设施模块的设计、开发与交付，帮助研究人员更高效地使用计算资源，让研究工作流具备可扩展、可复现、易使用和成本高效的特性。

岗位职责

• **计算集群与任务调度：**参与建设和优化 GPU/CPU 集群、资源管理与任务调度系统，支持模型训练、特征计算及量化研究，提高资源利用率与多用户环境下的运行效率。
• **分布式训练与计算：**支持多 GPU、多节点训练及分布式计算任务，解决数据加载、节点通信、任务并行和故障恢复中的工程问题。
• **数据访问与性能优化：**与数据及研究团队协作，优化大规模数据处理、训练数据读取、缓存和存储访问，定位并改善计算、网络与 I/O 瓶颈。
• **机器学习平台与研究工具：**建设开发环境、任务提交、实验管理、依赖与镜像管理等平台能力，提升研究过程的可复现性和实验迭代效率。
• **训练与推理基础设施：**支持模型训练、批量及在线推理任务的部署和运行，完善环境交付、版本管理、监控及故障恢复流程。
• **自动化与稳定性建设：**通过代码和自动化管理基础设施，完善监控告警、权限隔离、资源配额与容量管理，持续提升系统的可靠性和可维护性。
• **需求落地与使用体验：**深入理解研究员和工程师的工作流，将共性需求转化为可复用的平台能力，推动工具落地并持续改进使用体验。

岗位要求

• 具备基础设施、平台工程、分布式系统、高性能计算或机器学习基础设施相关技术基础，能够完成模块设计、开发、部署与问题排查。
• 扎实的 Linux、网络、存储和操作系统基础，能够分析资源使用情况，定位性能与稳定性问题。
• 熟练掌握 Python、Go、C++、Rust、Java 等至少一门编程语言，具备良好的编码习惯和工程意识。
• 理解容器、任务调度与资源管理，熟悉 Kubernetes、Slurm、Ray 或同类系统中的至少一种。
• 理解 GPU 计算、分布式训练或大规模数据计算中的至少一个方向，了解相关任务对数据 I/O、网络通信和资源调度的要求。
• 了解 CI/CD、Infrastructure as Code、监控告警及自动化运维，重视系统的可观测性、可复现性与故障恢复能力。
• 具备良好的学习、沟通与协作能力，能够理解研究需求，分析技术取舍并推动方案落地。

加分项

• 有量化投资、对冲基金、机器学习平台或大规模研究计算平台经验。
• 有 GPU 集群建设、分布式训练性能调优经验，熟悉 PyTorch Distributed、NCCL、CUDA、RDMA 等相关技术。
• 有大规模特征工程、数据管道、分布式存储或 PB 级数据处理经验。
• 有模型服务、大模型微调或推理基础设施建设经验。
• 有公有云、混合云资源管理与 GPU 成本优化经验。
• 熟悉 Claude Code、Codex 等 AI coding tools，并有将其融入开发流程或建设配套工具的实践。