平台驻场运维

JD基本信息

岗位职责

1、负责智算中心项目基础设施的运维管理，包括算力调度平台、算力、网络、储存和安全等方面；

2、管理和维护智算中心的稳定运行，包括硬件和软件的维护、系统安装、硬件维护、拆装网卡、GPU，以及简单维修等工作；

3、协助机房对设备进行日常巡检、保障处理等工作；

4、跟踪智算中心项目事件进度，协调各方资源，确保项目按时按质完成；

5、对智算中心的运行情况进行风险评估和管理，保障集群的正常运转；

6、协助进行项目团队的建设和管理，提升团队的综合素质和工作效率；

任职要求

1、熟悉人工智能、云计算等领域的技术和产品，

2、了解主流模型deepseekR1、llama3、千问等模型产品的使用;

3、 理解大模型推理优化技术（vLLM、TGI、FlashAttention、量化推理等）。

4、熟悉主流深度学习框架（PyTorch、TensorFlow）及分布式训练技术（FSDP/Deepspeed/Megatron-LM）。

5、熟悉算力中心或数据中心机房的基础设施，掌握服务器和IT设备基础设施及强弱电相关知识；

6、熟悉Linux平台，有K8S 组件运维经验，对服务器进行基础维护与管理；

7、具备GPU集群管理经验（如NVIDIA DGX/SuperPOD），熟悉CUDA、NVLink、RDMA网络。 ；

8、具备良好的沟通技巧和团队合作能力，能够有效地传达和解决问题，协调不同部门之间的需求和资源；

9、有算力中心和数据中心架构设计和运维经验者优先。