资深 AI Infra 工程师

【岗位职责】 负责公司多云 GPU 资源与大规模计算集群的架构设计、建设及运维优化，覆盖训练、微调、推理和端侧算力场景，持续提升算力资源效率、平台稳定性与交付效率。 1. 负责多云 GPU 资源及大规模计算集群的总体架构设计、容量规划、建设与日常运维，建立统一的资源盘点、环境交付和运维标准。 2. 优化训练、微调和推理任务的资源调度，包括队列与配额、优先级、弹性扩缩容及空闲资源回收，提升 GPU 有效使用率和任务交付效率。 3. 建设 GPU 集群的自动化运维能力，覆盖节点初始化、驱动与容器运行环境、版本升级、故障定位、巡检及变更管理。 4. 建立资源与成本可观测体系，持续分析 GPU 使用情况、任务排队时间、故障率和单位任务成本，推动跨云资源选型与成本优化。 5. 与算法、研发及业务团队协作，解决分布式训练、推理服务在计算、网络、存储和调度方面的瓶颈；牵头重大故障复盘和平台改进。 6.…… 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 24834 个上海岗位（全城各职能合计），其中 1212 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 8K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 113K。