智算中心算力运营专家-外派南瑞

岗位职责：
1.开展公司两级智算中心算力相关的运营工作，主要内容包括算力资源管理、算力技术支持、算力培训推广、算力两级协同等内容；
2.负责围绕模型训练与推理任务对算力相关需求，构建统一规范、动态调度、安全可控的两级算力运营体系，并输出相关的算力运营标准；
3.负责算力需求受理及算力需求核算等工作，针对训练场景、推理场景能够建立算力-模型匹配关系，并借助压测手段给出匹配最优算力资源的建议，核算算力需求后进行分配；
4.负责算力调度相关技术的研究和实施，能够根据算力资源指标监控等技术，对不同场景算力资源应用趋势提出总结建议，并能够进行弹性扩缩容；
5.负责算力运监监测指标的梳理，能够基于监测技术构建算力运营指标监测体系，帮助开展算力资源规划设计关工作；
6.精通AI基础设施和人工智能软件，能够定期对市面上主流的大模型、人工智能芯片、无损网络等软硬件产品开展调研，并形成调研报告，指导公司后续智算中心算力规划和建设。
任职要求：
1.本科及以上学历，计算机/电子工程相关专业；具备3年以上GPU集群/智算中心运维运营经验；熟悉Python、Ansible，有一定的编程能力；
2.精通人工智能大模型训练微调、推理部署全栈流程，能够与模型研发团队协作预估算力需求，具备分析训练微调、推理部署任务日志，进行简单问题定位能力；
3.精通Kubernetes/Docker容器化技术，具备设计GPU/NPU集群调度策略，优化资源利用率，实现算力资源的高效利用的能力；
4.对算力-模型匹配关系有深度认知，熟悉模型部署与压测相关技术，能够针对模型特性，通过压测手段给出匹配最优算力资源的建议；
5.精通promethous/Grafana等监控软件，能够通过预埋探针检测算力使用瓶颈，并建立弹性伸缩机制，输出算力效能分析报告等能力；
6.熟悉智算中心训练微调、推理部署场景下相应的组网方案，能够给出组网规划；
7.熟悉NVIDIA CUDA生态或华为昇腾CANN生态及Pytorch、TensorFlow、SGLang、Vllm等主流AI框架；
8.有智算中心算力、平台、模型、智能体整体规划设计和建设实施工作经验的可以优先考虑。
9.对工作充满激情，富有责任心，沟通能力强，能承受工作压力。