崗位工作概述： 1. 負責設計、部署、優化及維護高效、可擴展的AI算力IT系統設施，包括服務器、存儲、網絡及安全設備等； 2. 確保用戶AI研發、模型訓練及推理任務的順利進行； 深入參與從需求分析、架構設計、資源調度、性能優化到故障排查的全過程，為公司的AI算力業務發展提供堅實的算力支撐。

工作經驗：

1. 具備10年以上AI算力系統或高性能計算（HPC）領域的工作經驗，有成功部署和優化大規模AI計算集群的經驗者優先； 2. 在大型互聯網公司、科研機構或AI初創企業從事AI算力系統建設與維護的經驗； 有主導或參與過至少兩個大型AI算力集群的設計、部署與優化項目的優先考慮。

教育水平要求：

1. 計算機科學、信息技術、軟件工程或相關專業本科及以上學歷； 碩士及以上學歷，或在相關領域有深入研究或突出貢獻者，將優先考慮。

崗位技能要求：

1. 架構設計：能夠設計高可用、可擴展的AI算力架構，包括硬件選型、網絡規劃、存儲設計等； 2. 資源調度與優化：熟悉Kubernetes、Docker等容器化技術，以及YARN等資源調度系統，能夠優化資源利用率，提升計算效率； 3. 性能調優：具備深入的系統性能調優能力，包括CPU、GPU、內存、網絡、存儲等各方面的優化； 4. 自動化運維：熟悉Ansible、Puppet等自動化運維工具，能夠編寫自動化腳本提升運維效率； 5. 故障排查與應急響應：能夠快速響應系統故障，準確排查問題根源，并制定有效的解決方案。

工作職責與任務：

1. 系統規劃與設計：根據公司業務需求，規劃并設計AI算力系統的整體架構，包括硬件選型、網絡布局、存儲策略等。 2. 部署與集成：負責AI算力集群的部署、配置與集成，確保系統穩定運行。 3. 性能優化：對AI算力任務進行性能分析，提出并實施優化方案，提升計算效率。 4. 運維管理：負責日常運維工作，包括系統監控、日志分析、故障排查與解決等。 5. 技術創新與研究：跟蹤AI算力領域的最新技術動態，探索并引入新技術，提升系統競爭力。 團隊建設與培訓：指導并培養初級工程師，提升團隊整體技術水平。

其他素質要求：

1. 具備自驅力：具備工作主動性和自我驅動學習能力； 2. 問題解決：具備較強的問題分析和解決能力，能夠獨立或協助解決復雜的技術問題； 溝通能力：良好的溝通能力和團隊合作精神，能夠與不同部門有效協作，推動項目進展。