算力与平台建设工程师-人工智能事业部南京基地(J12020)

职位描述

1. 负责 GPU 服务器、容器平台、训练环境、推理环境和存储网络的建设与运维，支撑模型训练、推理、数据处理和仿真任务。

2、负责算力平台的网络与资源调度体系，优化算力资源分配策略，提升算力利用率与平台运行效率。

3、负责冶金数据平台、模型训练平台、仿真平台的搭建与集成，实现各平台与算力平台的互联互通与协同运行。

4、监控算力与各平台的运行状态，及时排查硬件故障、网络问题、软件漏洞，制定应急预案，保障平台高可用性与安全性。

5、制定算力与平台的维护、升级计划，跟踪算力与平台技术前沿，提出技术迭代建议，做好算力资源成本管控。

任职要求

【必备】

1. 3年以上 Linux、容器平台、集群运维或 AI Infra 经验。

2. 熟悉 Docker、Kubernetes、GPU 环境、网络存储、脚本自动化、Prometheus/Grafana 等工具；能独立处理常见性能与故障问题。

3. 有训练平台、资源调度、分布式存储、镜像管理、CI/CD 或平台化建设经验。

【优先】

1. 有 Slurm、Kubeflow、Argo、Volcano、Ray、MLOps/LLMOps 经验。

2. 有科研算力平台、国央企私有化平台或工业 AI 平台经验。