基础设施与稳定性工程-SRE-AI算力资源池GPU方向

我们是专注于大模型服务平台的技术团队，我们的核心业务是提供高效稳定的大模型推理服务API，帮助各行各业轻松利用大模型的强大能力，正在寻找一位有实力的Site Reliability Engineer (SRE) 加入我们，共同打造更可到的大模型服务平台。 负责AI基础设施算力资源的规划、运营管理与精细化数据体系建设。通过系统化、数据化方法提升GPU资源利用率、周转率与成本效益，保障AI训练/推理任务的高效稳定运行，支撑业务快速发展。 【工作职责】 1.大模型服务和平台的稳定性保障与体系建设：负责大模型相关核心业务系统和模型服务的稳定性建设工作，提升业务可用性与可靠性; 2.高并发流量治理：高并发场景下的流量治理方案设计与实施，包括熔断、限流、降级等容灾策略，确保业务弹性与鲁棒性; 3.GPU算力资源规划与运营管理：包含不限于优化GPU资源配置模型，平衡计算性能与成本，推动资源采购决策与部…… 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。