资深算力服务器稳定性专家

工作职责: 1. 负责AI算力集群运维体系建设，保障算力集群持续稳定运行。 2. 负责AI算力集群可观测性建设，建立各类故障知识库，提高故障发现覆盖率与准确率 3. 参与AI算力集群建设交付，制定并优化算力交付基线、交付压测与检查，保障交付资源稳定性与性能一致性。 4. 构建自动化运维工具链，提升集群故障自愈率与运维效率，有效降低故障影响。 工作要求: 1. 计算机、电子工程或相关专业本科及以上学历，熟悉PCIe、NVLink、CXL等高速互联协议，了解GPU服务器架，具备6年以上服务器硬件研发经验； 2. 熟悉主流AI服务器的硬件及系统、RDMA网络等相关基础设施，有千卡及以上规模AI算力集群建设、运维经验优先；有互联网大厂或服务器ODM/OEM厂商工作经验者优先； 3. 对AI集群运维有较好的认知和全局意识，具备有较强的分析、解决问题的能力； 4. 具备优秀的故障定位与根因分析能力，能…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 9394 个上海岗位（全城各职能合计），其中 1138 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7.5K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 100K。