负责智算中心GPU服务器集群及高性能网络的规划、部署与运维，保障AI/HPC业务稳定高效运行。
核心职责
1. 管理GPU服务器（如NVIDIA DGX/A100/H100）的部署、监控、调优及故障处理。
2. 设计运维高性能网络（InfiniBand/RoCE），优化分布式训练通信性能。
3. 开发自动化工具（Python/Ansible），提升资源监控与运维效率。
4. 制定运维规范，协调内外部团队解决技术问题。
任职要求
• 5年以上GPU集群/数据中心运维经验，熟悉CUDA、InfiniBand、Linux。
• 精通网络协议（RoCE/DPDK）及交换机配置（NVIDIA/Mellanox）。
• 具备K8s、Slurm等调度工具经验者优先。
• 责任心强，能应对高压力运维场景。