【苏州算力运维总监-熟悉GPU招聘】-猎头顾问苏州招聘信息-猎聘

赵先生 1天前在线已认证

资深顾问(SC) · 苏州莱尔顿企业管理咨询有限公司

聊一聊

职位介绍: 岗位概述全面负责公司AI智算中心、GPU算力集群全流程运维管理工作，统筹机房硬件、算力集群、调度平台、班组人员管理，保障7*24小时算力集群稳定运行，保障大模型训练、AI推理、算力租赁业务稳定交付，管控机房能耗、运维成本、故障风险，搭建标准化运维体系，对接业务、客户及上下游合作方，统筹算力交付、故障处置、团队管理全工作。工作职责一、算力集群运维管理（核心业务） 1. 统筹管理GPU/昇腾算力服务器、液冷机房、IB高速网络、分布式存储、供电制冷全套算力基础设施，保障集群SLA可用性达标，保障算力业务不间断运行； 2. 负责算力集群环境管控：Linux集群、显卡驱动、CUDA/CANN、多卡互联、Slurm/K8s算力调度平台运维管控，统筹算力资源分配、队列管理、配额管控，提升GPU算力利用率； 3. 牵头重大故障应急处置：服务器宕机、显卡掉卡、集群断连、网络丢包、液冷断电、任务大面积报错等突发问题，制定故障应急预案，完成故障复盘、整改闭环； 4. 负责算力性能调优、集群优化，解决模型训练卡顿、多卡通信异常、存储IO瓶颈等问题，降低算力损耗、机房PUE能耗，管控机房运维电费、硬件损耗成本。二、团队与班组管理 1. 搭建运维班组7*24轮岗值班体系，划分硬件运维、集群运维、值守运维岗位职责，制定运维SOP标准化作业流程； 2. 负责运维组员招聘、技能培训、绩效考核、工作排班，提升团队硬件排障、集群运维、客户支撑专业能力； 3. 统筹日常巡检、设备盘点、台账管理、维保对接工作，审核每日运维日志、故障台账、算力使用报表。三、项目与交付管理 1. 配合算力上架、机房扩容、服务器搬迁、算力新集群搭建项目，统筹进场装机、调试、上线全流程运维工作； 2. 对接业务部门、算力租赁客户、算法研发团队，对接算力开通、环境调试、问题答疑、售后运维支撑，保障客户算力交付体验； 3. 对接机房硬件厂商、维保服务商、电力制冷供应商，统筹硬件报修、固件升级、设备维保、资产对账工作。四、制度、安全与成本管理 1. 制定机房安全管理制度、算力权限管理制度、出入机房管理制度，做好机房消防、用电、设备、数据安全管控； 2. 统计算力使用数据、运维耗材、电费人力成本，制定降本方案，优化算力调度策略，盘活闲置算力资源； 3. 对接公司管理层，定期输出运维周报、月报、集群运行报告、风险评估报告。任职要求硬性要求 1. 本科及以上学历，计算机、网络、机电、运维相关专业，3年及以上GPU智算机房运维经验，1年及以上运维团队管理经验； 2. 精通Linux服务器运维，熟悉NVIDIA/昇腾算力生态，熟练掌握CUDA、驱动、多卡集群、NVLink/IB高速网络运维排障； 3. 熟悉Slurm/K8s算力调度、Ceph/Lustre分布式存储、机房液冷/风冷、UPS配电整套机房基础设施运维逻辑；加分项 1. 持有华为/英伟达算力认证、机房运维、网络工程师证书优先； 2. 拥有百卡/千卡GPU集群运维管理经验； 3. 懂Shell/Python自动化运维脚本、运维监控平台搭建经验。

其他信息: 语言要求：不限; 行业要求：电力/热力/燃气/水务,科技推广服务

猎聘温馨提示：

1. 如您发现平台内招聘方存在以下违规行为的，请立即举报

· 扣押您的身份证件或者其他证件；
· 要求您提供担保人、担保金或者以其他名义向您收取财物（如培训费、体检费、资料费、置装费、押金等）；
· 强迫您入股或者向您集资；
· 以招聘名义牟取不正当利益；
· 发布虚假招聘广告信息；
· 工作时长违反劳动法规定；
· 存在其他损害您的合法权益的行为。

2. 如您应聘的岗位属于涉外劳务合作/海外岗位的，请务必核实招聘方对外劳务合作资质取得情况，同时注意自身资金安全，防范招聘欺诈。

了解更多安全防范知识>

3. 本平台招聘方不向求职者提供任何收费服务。

查看全部