阿里云智能-AI Infra SRE 专家-杭州

1、负责大规模 GPU/异构计算集群稳定性架构和运维体系设计，对集群可用性、交付效率、资源利用率和运维成本负责。 2、主导 AI 基础设施运维平台的架构设计与建设，形成覆盖交付、监控、诊断、变更、容量、容灾和故障自愈的工程体系。 3、建立面向 AI 训练与推理场景的 SLI、SLO、SLA 及稳定性度量体系，推动重大故障治理和系统性风险消除。 4、主导集群交付标准、运维规范和质量准入机制建设，推动跨地域、跨团队场景下的标准化复制。 5、牵引复杂项目和重大稳定性专项，协调研发、产品、硬件厂商及合作伙伴解决跨层技术问题。 6、持续识别架构瓶颈和业务风险，通过技术创新、自动化和平台化手段实现规模化效率提升。 7、指导团队技术建设和人才成长，沉淀最佳实践并提升团队整体工程能力。 【任职要求】 1、5年以上互联网、云计算或大规模基础设施相关经验，具有大型 GPU 集群、AI 训练平台或高性能计算平…… 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 8520 个杭州岗位（全城各职能合计），其中 507 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 9K ~ 22K（25~75 分位），中位约 14K，最低 1K、最高 250K。