1. 主导算力集群的整体架构设计，涵盖异构计算芯片（GPU/NPU/TPU）选型配比、高性能存储方案（并行文件系统/对象存储）及低延迟高带宽网络拓扑（InfiniBand/RoCE）。
2. 大模型推理框架（sglang/vllm)适配与性能调优，推动需求大模型在国产AI芯片落地
3. 建立全链路性能监控与分析体系，主动识别并解决算力瓶颈问题，保障训练与推理任务运行。
4. 建立算力成本量化模型，制定资源计费、配额与回收策略，定期输出算力使用效率报告与优化建议，平衡业务需求与成本投入。

1.学历与经验： 计算机、电子工程等相关专业硕士及以上学历，5年以上大型数据中心或云计算领域工作经验，其中至少2年AI算力集群架构设计经验。
2.算力平台精通： 深入理解GPU（如NVIDIA A100/H100/H200系列）、NPU（如昇腾910B）等AI加速卡的微架构、性能参数及适用场景，有千卡级以上异构计算集群的规划与调优经验。
3.系统架构能力： 精通服务器硬件选型、高性能存储（如Lustre/GPFS）方案设计及RDMA（RoCE v2/InfiniBand）高速网络拓扑规划，能基于AI训练与推理的混合负载，设计高吞吐、低时延的算力网络。
4.调度与优化： 深刻理解资源调度原理，掌握Kubernetes及主流AI调度器（如Volcano），擅长通过拓扑感知调度、GPU共享（MIG/MPS）等技术解决算力碎片化问题。
5.成本与商业洞察： 熟悉公有云、私有云及算力租赁的成本模型，能结合业务增长趋势制定分阶段的硬件采购与扩容策略，并输出清晰的TCO分析报告。
6.软实力： 极强的跨团队协作能力，能驱动研发、采购与运维团队将算力架构方案高效落地；优秀的文档撰写习惯，能用架构蓝图固化设计。