【3021】インフラエンジニア（GPUクラスタ）

職種

組み込み

勤務地

東京都

年収

1,000万～1,900万円

仕事内容

◆本求人は、GPUクラスタの構築経験者やインフラ・ネットワークエンジニアを対象としています◆チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。大規模なGPU計算環境を利用しビジョンベース自動運転のための深層学習モデルやレベル5自動運転に利用するマルチモーダル基盤モデル・世界モデルなどの研究開発を行っています。現在インフラ基盤であるGPUクラスターを構築・運用していくインフラエンジニアを募集しています。機械学習エンジニアが計算タスクに集中できる環境を整備し限られた計算資源を最適化することでチューリングの完全自動運転開発を最大化することがミッションです。
◆インフラ/GPUクラスタエンジニアの業務内容
・計算環境の物理設計や選定機器の設計
・ネットワークの設計
・ストレージシステムの効率化・高速化
・クラスタリング技術の開発
・クラウド環境上での計算環境の整備/運用
◆具体的な業務内容
大規模GPU計算環境を使って完全自動運転の実現に向けたマルチモーダル基盤モデル・世界モデルを開発する。そのためのインフラの構築・運用などを主な業務とします。機械学習エンジニアにとって扱いやすい計算環境を構築してください。同時に、クラウド環境も積極的に活用しておりAWS/Azure/GCP上での計算環境も運用します。今後、チューリングでは数年先を見据えた計算基盤の選定・設計・構築をしていく必要があります。来年末には次の世代の計算環境を作っていく予定です。2から3年周期でGPUクラスターを構築していくため、事業計画や投資計画などのビジネス/財務メンバーとコミュニケーションも実施していただきます。
【今のチューリングで働く魅力】
KaggleGrandMaster4名など非常に優秀な機械学習エンジニアが多く有する中でユーザーと非常に近い距離でコミュニケーションをとりながら計算基盤を最適化していくという経験はインフラエンジニアにおいても非常に大きく貴重な経験となると考えています。

応募条件

【必須スキル】
・チューリングの理念への共感
・オンプレミスにおけるインフラ構築経験
・大規模計算機のワークロード（機械学習・深層学習等）の知識
・Linux（Ubuntu Rocky Linux CentOS）の運用経験
・「大規模な計算機をつくること」にわくわくする方
【歓迎スキル】
・分散システムに関する知識と経験
・クラスタシステムやHPCシステムに関する知識と経験
・大規模計算機システムのパフォーマンス・チューニング技術
・大規模計算機システムの監視・運用技術・自動化技術
・CUDAを用いたGPU並列計算の基本的な理解
・GPUクラスタの設計・運用経験
・InfiniBand RoCEv2 などのGPUクラスタ向けネットワークの知識
・Lustre BeeGFS GPFS などの高速ストレージの運用経験
・Ansible Terraform自動化ツールを用いたGPUクラスタ管理
・クラウドGPU（AWS GCP AzureのGPUインスタンス）の構築・運用経験
・GPUネットワークの最適化（NVLink GPU Direct RDMA P2P通信）経験
【求める人物像】
・世界的企業をつくる強い気概のある方
・自走力がありなんでも積極的に取り組める方
・常に謙虚で、相手目線を忘れない人間性
・急激な事業、組織の成長に伴う様々な変化を楽しめる柔軟性
・成長に対して前向きなスタンス
・困難も楽しみながら乗り越えられるタフさ

休日休暇

慶弔休暇　年末年始　夏期休暇　有給休暇　入社時に13日間の有給休暇付与・出産休暇・育児休暇制度完備・小学校3年生が終わるまで取得可能な育児時短制度・子の看護休暇・介護休暇(無給）

年間休日数

124日

就業時間

10:00～19:00

企業概要

＜日本発の完全自動運転の実現を目指すAIスタートアップ／ミッション「We Overtake Tesla（テスラを超える）」／累計資金調達額278億円＞
■LiDARに見えないものまで、カメラで、見る
マルチカメラ映像のみから3次元点群/3D物体検出/3D追跡 を生成。カメラに映らない遮蔽領域はもとより、他車の自車から見えない裏側まで、学習済みの世界モデル的事前知識から精度高く予測する
■国内初、VLAモデル公道リアルタイム制御
2026年3月、国内初となるVision-Language-Actionモデルによる公道リアルタイム推論自動運転制御を実現
20億パラメータ、10Hz、100ms以下のレイテンシで車両を直接制御する
■富岳の40%、国内トップ級の計算基盤
2024年にNVIDIA H100 96基の自社GPUクラスタ「Gaggle Cluster」を構築
クラウドGPUと合わせるとスーパーコンピュータ富岳のAI演算性能の40%に相当し、2027年までに3.5～7エクサフロップス（5～10倍）へ拡張する計画
★Youtubeチャンネル：
https://www.youtube.com/@TuringMotors
★カンパニーデック：
https://tur.ing/company-deck/
＜これまでの挑戦と実績＞
◆1.Day1からE2Eに賭けるという選択
チューリングは創業以来、完全自動運転という人類のグランドチャレンジに対して、End-to-End（E2E）を軸に開発を進めてきました。
センサーや高精度地図、ルールの積み上げで条件付きの自動化を成立させるのではなく、カメラ映像をそのまま入力として受け取り、単一のニューラルネットワークが運転行動を出力する構造に賭ける。
ロングテール事象が無限に存在する道路環境では、最終的にこの構造でなければスケールしないという前提に立っています。
E2Eは、立ち上げが難しく、初速も遅い技術です。だからこそ、初期フェーズではモデルそのものよりも、データ、車載、検証、改善サイクルを成立させるための「土台づくり」に多くの時間を投じてきました。
ここで積み上げた前提条件が、その後の改善速度を決めています。
◆2.実世界で回る改善サイクルの確立
完全自動運転は、モデルを作って終わる開発ではありません。走らせ、失敗を観測し、学習し直し、また走らせる。この循環を止めずに回し続けることが必要です。
チューリングは、データ収集→学習→車載デプロイ→実走検証→フィードバックという改善サイクルを、実世界の条件下で成立させることに取り組んできました。
机上評価だけで完結せず、実車で動かして初めて見える差（できた／できないに加え、できたけど良くない）を開発の中心に据えています。
この改善サイクルが回り始めると、課題は「何ができるか」ではなく「どれだけ速く改善できるか」に移ります。
チューリングが積み上げてきた実績は、成果の列挙というより、この循環を回し続けられる構造を構築してきたことにあります。
◆3.データセントリックな開発の前進
チューリングはデータ中心の開発を重視してきました。走行データは膨大で、そのままでは学習に使えません。
欠損や不整合を取り除き、学習に効く分布へ整え、仮説検証に合わせてデータセットを作り分ける必要があります。
重要なのは、データの量だけでなく、データの分布設計です。
どの状況が足りていないのか、どの種類の難しさに対して学習が不足しているのかを見極め、狙って集め、狙って学習へ接続する。これを繰り返すことで、ロングテールへの対応力が積み上がります。
こうしたデータ設計と改善の繰り返しは地味ですが、長期的に効く土台です。
自動運転をスケールさせるために欠かせない要素として、データの整備と運用の蓄積を進めてきました。
◆4.MLOpsと計算基盤の整備
完全自動運転の開発は、計算機をどれだけ回せるかに依存します。
E2E型の自動運転は、巨大なニューラルネットワークを学習させ、評価し、改善し続けることで精度を積み上げていく性質を持ちます。
そのため、GPUは単なるツールではなく、技術進展の速度と組織の成長を規定する資源になります。
チューリングは、学習/評価/改善を回すための計算基盤を整備し、あわせてデータ収集からデータセット生成、学習、評価、実走検証までをつなぐMLOpsを「工場」として構築してきました。
改善サイクルを高速に回すためには、個別の職能の頑張りだけでなく、仕組みとして回る状態を作ることが必要です。
インフラやMLOpsは表に出にくい領域ですが、開発速度を決める最重要要素として捉え、継続的に投資と改善を行ってきました。
◆5.Tokyo30という節目
「東京の市街地を30分以上、人間の介入なしで走行する」という目標を発表したのは、2024年3月です。
当時は具体的な道筋はまだ見えていませんでした。それでも、モデル開発だけでなく、データ収集や制御系の構築といった非常に地道で泥臭い取り組みを積み重ねてきました。
その結果として、2025年11月にTokyo30を達成することができたというのが現在地です。
この節目を通じて、E2E開発が「動かすこと自体が難しい段階」から「改善を積み上げられる段階」へ移行したことは、今後の展望においても大きな意味を持ちます。
2026年5月には、100万シーンを超える規模のデータで学習したモデルを構築し、より高い汎化性能を持つ自動運転モデルを目指していきます。
◆6.累計240億円調達
チューリングは、創業以来の技術的な選択と実装の積み上げを背景に、累計240億円の資金を調達してきました。2025年11月には、シリーズA 1st closeとして153億円の資金調達を実施し、資本面においても次の段階に進んでいます。
Day1からE2Eに賭け、実世界で回る改善サイクルを成立させ、Tokyo30という具体的な成果を積み上げてきたこと。
その過程で築いてきた技術基盤と開発体制が、長期的な挑戦として評価され、資本として集約されてきたのが現在地です。
完全自動運転は、短期で完結するテーマではありません。計算資源、データ、組織、そして事業としての持続性を同時に拡張し続ける必要があります。
そのためチューリングは、今後も開発フェーズや事業フェーズの進展に応じて、追加の資金調達を含めた成長のための選択肢を取り続けていきます。
◆7.これまでの積み上げとこれから
ここまでの挑戦と実績は、完成形ではありません。完全自動運転の実現にはまだ多くの課題が残っています。
一方で、Day1からのE2Eという技術選択、実世界で回る改善サイクル、データセントリックな開発、MLOpsと計算基盤、車載システムと安全設計、そしてTokyo30という節目。
これらの積み上げによって、次の段階へ進むための土台は整いつつあります。
チューリングは、現実の中で改善を積み上げ続けることで、完全自動運転を社会インフラとして成立させることを目指します。

従業員数

92人