@craftsmanship 保守一点就是做一些 application 到 k8s 里，将一些可以抽象出来的逻辑抽象成 k8s operator 模式。开拓一点的就是将 MLops 里的一些逻辑抽象到 k8s 里，比如当前的 HAMi gpu 虚拟化和 kubeflow ；或者做 LLM 推理的 分布式推理，将分布式推理抽象到 k8s 里，主要是算子？？，减少手工干预，标准化；再进步点就是 LLM 分布式训练了，这部分对 LLM 的过程要比较熟悉，起码 LLM from scratch 的原理是掌握的，剩下就是和 MLsys 挂钩了。

旷视，朋友之前云原生部门工作过，065 不打卡，就偶尔可能有 oncall

@craftsmanship 我觉着，厂商和开源社区，还是有区别的。开源社区还是有些事情，可以做的。比如 llama.cpp 目前没有成熟的 跨 machine 的分布式推理方案，这部分和 k8s 结合一下，有点搞头。 厂商一般都是要性能的，vllm+kuberay ，不过有些小厂商可能还没走通这条路。 信创化的进程中，也有点活儿可以搞，部分的硬件还需要对应的软件算子，算子开发了，高效的用起来，也可以和 k8s 结合一波。

旷视之前裁员过，裁的校招 or 应届 or 刚进旷视未满一年的新员工等等

这个 n 应该超高，三层楼那么高

@coefu 是的，目前也是意向旷视了，也能休息一俩周了

@HSn0918 甜蜜蜜