岗位工作概述：

1. 负责设计、部署、优化及维护高效、可扩展的AI算力IT系统设施，包括服务器、存储、网络及安全设备等；

2. 确保用户AI研发、模型训练及推理任务的顺利进行；

深入参与从需求分析、架构设计、资源调度、性能优化到故障排查的全过程，为公司的AI算力业务发展提供坚实的算力支撑。

工作经验：

1.
具备10年以上AI算力系统或高性能计算（HPC）领域的工作经验，有成功部署和优化大规模AI计算集群的经验者优先；

2.
在大型互联网公司、科研机构或AI初创企业从事AI算力系统建设与维护的经验；

有主导或参与过至少两个大型AI算力集群的设计、部署与优化项目的优先考虑。

教育水平要求：

1. 计算机科学、信息技术、软件工程或相关专业本科及以上学历；

硕士及以上学历，或在相关领域有深入研究或突出贡献者，将优先考虑。

岗位技能要求：

1. 架构设计：能够设计高可用、可扩展的AI算力架构，包括硬件选型、网络规划、存储设计等；

2. 资源调度与优化：熟悉Kubernetes、Docker等容器化技术，以及YARN等资源调度系统，能够优化资源利用率，提升计算效率；

3. 性能调优：具备深入的系统性能调优能力，包括CPU、GPU、内存、网络、存储等各方面的优化；

4. 自动化运维：熟悉Ansible、Puppet等自动化运维工具，能够编写自动化脚本提升运维效率；

5. 故障排查与应急响应：能够快速响应系统故障，准确排查问题根源，并制定有效的解决方案。

工作职责与任务：

1.
系统规划与设计：根据公司业务需求，规划并设计AI算力系统的整体架构，包括硬件选型、网络布局、存储策略等。

2.
部署与集成：负责AI算力集群的部署、配置与集成，确保系统稳定运行。

3.
性能优化：对AI算力任务进行性能分析，提出并实施优化方案，提升计算效率。

4.
运维管理：负责日常运维工作，包括系统监控、日志分析、故障排查与解决等。

5.
技术创新与研究：跟踪AI算力领域的最新技术动态，探索并引入新技术，提升系统竞争力。

团队建设与培训：指导并培养初级工程师，提升团队整体技术水平。

其他素质要求：

1. 具备自驱力：具备工作主动性和自我驱动学习能力；

2.
问题解决：具备较强的问题分析和解决能力，能够独立或协助解决复杂的技术问题；

沟通能力：良好的沟通能力和团队合作精神，能够与不同部门有效协作，推动项目进展。