AI 基础设施运维工程师（AI Infra 运维工程师）

岗位背景 当前算法团队大量精力消耗在算力基础设施基础环境问题排查，本岗位优先聚焦集群运维能力，平台开发作为加分项；主要负责自建 GPU 智算集群，同时对接公有云算力平台，不要求从零开发完整机器学习平台，核心目标释放算法同学基础环境排查工作量，具备独立故障定位、根因分析与方案输出能力，不能完全依赖云厂商售后。(这段内部看，拉平背景信息) 岗位职责 负责大规模 GPU 集群全生命周期运维，覆盖物理服务器到 Kubernetes 算力资源池，包含集群纳管、巡检、变更、节点排空、故障恢复、设备退役等运维自动化能力建设。 维护 NVIDIA GPU 软件栈环境：GPU 驱动、GPU Operator、Device Plugin、DCGM，保障容器内 GPU 运行环境稳定；处理掉卡、Xid 报错、ECC、GPU 性能退化等硬件与软件故障。 负责 IB/ROCE 高速训练网络运维：RDMA、PFC/EC…… 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 10910 个深圳岗位（全城各职能合计），其中 954 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 22K（25~75 分位），中位约 16K，最低 2K、最高 100K。