岗位职责：
1.负责云平台（如AWS、Azure、华为云等）及AI算力服务器（GPU/TPU集群）的运维与监管，确保计算资源稳定高效运行
2.负责AI算力集群的部署、扩容、性能调优及故障排查，解决硬件驱动、容器调度（如Kubernetes）等相关问题
3.负责云资源与AI算力的容量规划，根据业务需求动态调整资源分配，持续优化资源利用率
4.编写自动化运维脚本（Python/Shell）及使用管理工具（如Ansible），实现云环境与AI服务器的批量运维
5.制定并执行数据备份.灾难恢复计划，保障云存储与AI训练数据的安全性
6.对接研发团队，协助解决AI模型训练.推理过程中的算力资源相关问题
7.完成领导安排的其他工作
任职要求：
1.计算机、软件工程、网络工程相关专业本科及以上学历，5年以上华为、阿里云平台运维经验，具备AI算力服务器（GPU集群）运维经验者优先
2.精通Linux操作系统及核心网络协议（TCP/IP、DNS、负载均衡）
3.熟悉GPU/TPU硬件架构及驱动配置，熟悉容器技术（Docker/K8s）在AI场景下的应用，掌握自动化运维工具（如Ansible/Terraform/Prometheus等）的使用，熟悉主流应用监控工具Zabbix管理，熟悉Zstack云管平台优先
4.优秀的问题分析与解决能力，能快速定位并修复系统故障，熟悉应急预案制定，能够高效响应并处理突发运维事件
5.良好的团队协作精神，能适应轮班制及紧急情况下的加班需求