AI Infrastructure Engineer (Compute & Data)

리얼월드(RLWRLD) 는 로봇이 인간처럼 세상을 인식하고 사고하며 행동할 수 있게 만드는 로보틱스 파운데이션 모델(Robotics Foundation Model)을 개발하는 Physical AI 선도 기업입니다.

AI·로보틱스 분야의 깊은 연구 역량과 글로벌 데이터 협력 네트워크를 바탕으로, 고자유도 로봇 손의 정밀한 조작을 가능하게 하는 Robotics Foundation Model을 개발하고 있습니다. 최근 공개한 RLDX-1은 다양한 로봇 하드웨어와 환경에 적용 가능한 차세대 모델로, 제조·물류·서비스 등 실제 산업 현장에서 활용 가능한 범용 로봇 지능 구현을 목표로 고도화되고 있습니다. 또한 국내외 VC 및 대기업으로부터 약 600억 원 규모의 시드 투자를 유치하며 빠르게 성장하고 있으며, AI·로보틱스 분야의 뛰어난 인재들이 합류하고 있습니다.

포지션명

AI Infrastructure Engineer (Compute & Data)

포지션 소개

RLWRLD는 로봇이 세상을 인식하고 판단하며 행동할 수 있도록 Robotics Foundation Model을 개발합니다. 대규모 모델 학습을 위해서는 GPU 컴퓨팅 자원과 학습 데이터가 하나의 시스템처럼 효율적으로 연결되어야 합니다.

AI Infrastructure Engineer는 Slurm과 Kubernetes 기반 GPU 클러스터를 구축·운영하고, 학습에 사용되는 컴퓨팅 자원과 데이터의 저장·전송·로딩을 함께 최적화합니다. 멀티클라우드 환경에서 자원의 가용성·성능·비용을 고려한 실행 기반을 설계하고, 연구자가 이를 일관된 방식으로 사용할 수 있는 사내 플랫폼을 개발합니다.

대규모 분산 시스템의 병목을 해결하고 운영을 자동화하여, 로보틱스 모델 연구자와 엔지니어가 안정적인 환경에서 더 빠르게 실험할 수 있도록 함께 만들어 갈 분을 찾습니다.

주요 업무

• GPU 클러스터 구축 및 운영
• Slurm·Kubernetes 기반 GPU 클러스터 구축·운영 및 학습 워크로드 실행 환경 표준화
• 작업 우선순위, 자원 할당, 대기열 및 사용량을 고려한 스케줄링 정책 설계·개선
• GPU·노드 장애 감지, 작업 재시작 및 복구 자동화를 통한 학습 환경의 안정성 확보
• 학습 컴퓨팅 및 분산처리 최적화
• GPU 활용률, 작업 대기 시간, 학습 처리량을 분석하여 자원 배치와 실행 효율 개선
• CPU·메모리·스토리지·네트워크부터 GPU까지 학습 시스템 전반의 병목 분석 및 최적화
• 멀티노드 분산 학습과 대규모 데이터 처리에 필요한 병렬 실행·통신·자원 관리 기반 구축
• 학습 데이터 저장·전송·로딩 최적화
• 대규모 데이터셋과 체크포인트를 위한 분산 파일 시스템·오브젝트 스토리지 설계 및 운영
• 클러스터·리전 간 데이터 전송, 데이터 배치, 샤딩·프리페칭·캐싱을 통한 학습 데이터 공급 최적화
• 데이터·체크포인트의 무결성, 버전, 보존·아카이브·복원 정책을 고려한 수명주기 관리 자동화
• 사내 AI 인프라 플랫폼 개발
• 연구자가 컴퓨팅 자원과 데이터를 조회·할당하고 작업을 실행할 수 있는 API·CLI·관리 도구 개발
• 인프라 프로비저닝, 컨테이너 기반 학습 환경 배포, 데이터 처리 워크플로우의 자동화 및 CI/CD 구축
• 작업·데이터셋·체크포인트·실행 환경의 추적과 자원 사용량·성능·비용 모니터링을 위한 플랫폼 개발
• 멀티클라우드 자원 및 비용 최적화
• 여러 클라우드의 GPU 가용성, 성능, 가격 및 데이터 위치를 고려한 워크로드 배치 전략 수립
• 컴퓨팅 비용뿐 아니라 스토리지·데이터 전송 비용을 포함한 전체 학습 비용 분석 및 최적화
• 클라우드별 인프라 구성, 네트워크·접근 권한 및 운영 절차를 표준화하여 환경 확장과 이전을 효율화

자격 요건

• 인프라 및 소프트웨어 개발 경험
• 인프라 엔지니어링, 분산 시스템 또는 데이터 인프라 분야의 개발·운영 경력 7년 이상
• Python, Go, Rust 등 하나 이상의 언어로 운영 환경에서 사용하는 서비스·도구를 개발하고 유지보수한 경험
• 컴퓨팅 및 클라우드 기반 역량
• Slurm 또는 Kubernetes 기반 컴퓨팅 클러스터 구축·운영 경험
• Linux, 컨테이너 및 네트워크에 대한 이해와 시스템 문제를 분석·해결할 수 있는 역량
• AWS, GCP, Azure 등 퍼블릭 클라우드에서 컴퓨팅·네트워크·IAM·스토리지를 구성하고 운영한 경험
• 분산 시스템 및 데이터 처리 역량
• 대규모 분산처리 환경의 동시성, 데이터 분할, 장애 복구 및 성능 병목에 대한 이해
• 대규모 데이터 파이프라인, 분산 파일 시스템 또는 오브젝트 스토리지를 활용한 시스템 개발·운영 경험
• 자동화 및 문제 해결 역량
• 모니터링 지표와 로그를 바탕으로 성능·안정성 문제를 진단하고 개선한 경험
• 반복적인 운영 작업을 코드로 자동화하고, 연구자·엔지니어의 요구를 시스템 개선으로 연결할 수 있는 역량

우대 사항

• GPU 및 분산 학습 인프라
• Slurm과 Kubernetes를 모두 운영하거나 두 환경 간 워크로드 이전·통합을 수행한 경험
• PyTorch 등 ML 프레임워크의 분산 학습·데이터 로딩 구조를 이해하고 GPU 활용률이나 학습 처리량을 개선한 경험
• NCCL, InfiniBand, RoCE, EFA 등 멀티노드 학습 통신 환경의 구성 및 성능 문제 해결 경험
• 대규모 데이터 및 스토리지
• PB급 데이터 또는 대규모 체크포인트를 다루는 저장·전송·처리 시스템 구축 경험
• Lustre, Weka 등 고성능 파일 시스템과 오브젝트 스토리지를 연계하고 I/O·캐시·데이터 배치를 최적화한 경험
• Ray, Spark 등 분산처리 프레임워크나 Airflow, Prefect 등 워크플로우 도구를 활용한 데이터 처리 자동화 경험
• 멀티클라우드 및 비용 최적화
• 멀티클라우드·멀티리전 환경에서 컴퓨팅 자원, 데이터 전송 및 스토리지 비용을 최적화한 경험
• Spot·예약 자원, 자동 확장, 체크포인트 기반 작업 재개 등을 활용해 학습 비용과 안정성을 개선한 경험
• 사내 플랫폼 및 운영 자동화
• Terraform, Ansible 등 IaC 도구와 CI/CD를 활용한 인프라 프로비저닝·배포 자동화 경험
• Kubernetes Operator, 스케줄러 또는 연구자용 셀프서비스 플랫폼 개발 경험
• Prometheus, Grafana 등을 활용한 자원·작업 모니터링 및 실험 추적·데이터 버저닝 시스템 연동 경험

근무 조건

• 근무장소 : 서울 강남구 테헤란로 415 L7 강남 오피스동 5, 7F
• 근무기간 : 정규직
• 수습 기간 안내
• 입사 시 3개월의 수습 기간이 적용됩니다.
• 수습 기간 동안 근무 태도와 역량 평가를 진행하며, 평가 결과에 따라 수습 기간이 연장되거나 채용이 취소될 수 있습니다.

지원 방법

• 제출서류 :
• 이력서 (한글 또는 영문)
• (선택) 본인의 역량을 보여줄 수 있는 포트폴리오, 연구자료, 프로젝트 자료 등 추가 제출 가능
• 지원 마감: 상시 모집 (채용 시 마감)

전형 절차

• 서류 전형 > 코딩테스트 > 1차 인터뷰 > 2차 인터뷰 > 최종 합격
• 절차 상 필요한 경우 면접 과정 및 형식은 추가되거나 변경될 수 있으며, 인터뷰 이전 커피챗을 요청드릴 수 있습니다.
• 서류 전형 합격 시 개별적으로 연락이 진행될 예정입니다.

근무 환경 및 지원

• 유연근무제: 출퇴근 시간을 자율적으로 조정해 각자의 리듬에 맞게 일합니다.
• 업무 장비·소프트웨어 지원: 직무에 맞는 업무 장비와 필요한 소프트웨어를 지원합니다.
• 기본 편의시설 운영: 사내 스낵바와 커피 머신을 운영하고 있습니다.
• 명절 및 생일 선물: 명절과 생일에는 소정의 선물을 전합니다.
• 건강검진 지원: 정기적인 건강검진으로 건강 관리를 돕습니다.