GPU 集群运维工程师

岗位职责 1. 软件栈运维：负责 NVIDIA Blackwell GPU 集群的操作系统、GPU 驱动、CUDA、Fabric Manager、NCCL 及网卡固件的部署、升级与版本管理。 2. 上线验收：可独立完成单机及多机性能基线验证，在节点交付租户前完成准入检测。 3. 监控告警：可基于 Prometheus、Grafana、DCGM Exporter 完成集群监控体系搭建。 4. 故障处理：远程定位 GPU、网络、存储等软硬件故障，完成节点隔离、换件工单发起与跟进，与 IDC 及硬件厂商协作闭环；参与 on-call 轮值与故障复盘。 5. 调度平台与自动化：开发&运维 Kubernetes 调度平台，实现节点批量上下线与故障自愈，保障训练与推理业务稳定。 任职要求 1. 本科及以上学历，计算机、通信或相关专业；3 年以上 Linux 运维或 SRE 经验，其中至少 1 年 GP…… 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 21689 个北京岗位（全城各职能合计），其中 1797 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 12K，最低 1K、最高 300K。