云计算工程师

混合云与AI算力基础设施运维 负责企业公有云、私有云及数据中心的日常巡检、故障排查与性能监控，保障通用算力资源稳定运行；承担GPU/NPU等AI异构算力集群的基础运维工作，支撑大模型训练、推理等AI业务的资源供给；

AI算力资源交付与调度 负责AI算力资源的申请开通、环境部署、任务配置及资源配额管理；根据业务需求制定合理的资源使用策略，保障AI项目高效运行；

AI平台稳定性保障 负责AI训练/推理平台的稳定性建设，搭建监控告警与日志分析链路；及时发现并响应AI业务异常（如训练中断、显存溢出、通信超时等），制定并执行故障恢复方案，保障AI业务连续性；

技术文档沉淀 编写并维护技术文档，包括云资源操作手册、AI算力使用指南、故障处理SOP、运维规范等。推动AI基础设施运维流程的标准化与自动化建设；

新技术研究与应用 主动跟踪云计算与AI基础设施前沿技术（如GPU虚拟化、容器化调度、推理优化等），将新技术转化为可落地的运维工具或流程改进，并在团队内进行技术分享；

跨团队技术对接 作为基础设施侧的技术接口人，对接算法、AI工程、网络等团队，完成需求分析、方案制定与技术交付，解决AI业务在基础设施层面的各类问题。

学历专业：本科及以上学历，计算机科学、软件工程、信息技术等相关专业；

计算机基础：熟悉操作系统、网络协议（TCP/IP）、数据库等基本原理；了解虚拟化、云计算、容器化（Docker/Kubernetes）等现代IT技术；

编程能力：熟练运用至少一门主流编程语言（Python/Go/C++），具备良好的代码规范和脚本开发能力；

AI技术基础：了解GPU/NPU等异构算力的基本概念，对CUDA编程、NCCL通信库有初步认知；了解或使用过至少一种AI框架（PyTorch/TensorFlow/MindSpore）；

调度与编排：了解Kubernetes在AI场景下的调度方案（如Volcano）。有容器编排、资源调度相关实践经验者优先；

解决问题能力：具备强烈的责任心和owner意识，能够独立排查和定位技术问题；具备良好的逻辑思维和分析能力，推动问题闭环；

学习与成长：对云计算和AI基础设施有浓厚兴趣，具备快速学习新技术的能力。对AI负载特性（如训练任务对算力、网络、存储的要求）有基本认知或强烈学习意愿；

沟通协作：具备良好的沟通能力和团队合作精神，主动承担责任，与多角色高效协作。