校招-自动化运维工程师(J18340)

职位描述

1、智能驾驶训练基础设施建设与运维

① 参与 GPU 集群、Kubernetes 平台的建设与稳定性优化。

② 支持大规模训练任务的运行与问题排查。

③ 参与训练链路的资源调度、任务治理与容量管理。

④ 优化训练平台的可用性、可观测性与自动化能力。

2、平台稳定性与效率优化

① 参与训练任务异常恢复、告警、监控体系建设。

② 协助定位训练性能问题（网络 / 存储 / GPU / 调度等）。

③ 持续提升 GPU 利用率与资源交付效率。

3、推动平台工程化与标准化建设。

① AI Workflow 与云平台协同

② 支持 Argo Workflow / GitLab CI 等平台能力建设。

③ 参与多云资源管理与异构算力接入。

④ 协助建设统一 AI 生产系统与研发工作流。

⑤ 参与自建数据中心与云平台之间的协同架构优化。

任职要求

1、 计算机相关专业本科以上学历；

2、对AI Infra有基本的了解，熟悉 Linux、网络与容器基础设施，。

3、熟悉 Kubernetes 生态及常见运维工具。

4、具备一定自动化运维或平台开发能力，熟悉 Python / Go 等至少一种语言。

5、具备较强的问题定位、跨团队协作与工程推进能力。

6、有自建数据中心、私有云、机房基础设施或 IDC 平台相关经验。

7、相关技术栈：智驾驾驶/AI模型训练平台、GPU调度、RDMA高性能网络、Alluxio / Ceph / Lustre / GPFS存储技术