AI安全运维开发工程师

职位描述

1. 设计并建设AI基础设施平台，覆盖GPU算力调度、模型训练/推理服务、数据管道等核心能力

2. 基于云原生架构打造安全、高可用的运维底座，推动基础设施即代码与平台工程实践

3. 负责千台级服务器集群的运维与治理，构建弹性伸缩、故障隔离、容量管理能力

4. 建设AI安全防护与合规体系，保障模型、数据、算力全链路的安全性

5. 开发运维自动化工具与智能运维（AIOps）能力，提升故障发现与自愈效率

6. 参与AI业务架构设计，输出运维安全最佳实践并推动落地

任职要求

1. 本科及以上学历，5年以上运维开发/SRE经验，具备大规模生产环境运维经验

1. 精通云原生技术栈（Kubernetes、Docker、Helm、Operator模式等），熟悉AI基础设施（GPU集群、模型训练/推理平台、MLOps），具备千台以上服务器的运维经验

2. 精通Linux系统与网络协议，熟练使用Python/Go进行工具开发，熟悉CI/CD与GitOps流程

3. 了解GPU集群运维（NVIDIA驱动、CUDA环境、多卡通信优化），有模型推理/训练平台运维经验