高级基础设施运维工程师（大模型/AIGC）

About the role

高级基础设施运维工程师（大模型/AIGC） 上海、北京 全职 互联网 / 电子 / 网游 - 研发 职位描述 1、从0到1算力平台建设：负责大模型训练集群的物理规划与资逻辑部署，包括GPU服务器选型、高速无损网络（RoCEV2/IB）架构设计及计算存储资源分配 2、大模型训练保障：深度参与百卡级大模型训练任务的运维，优化NCCL通信性能，解决训练过程中的掉卡、慢卡、断点续训及存储IO瓶颈问题 3、模型账号网关开发：从零搭建企业级三方模型（OpenAl、Claude、文心一言等）账号聚合网关，实现Token计费统计、多租户限流、Key池自动轮询与容灾切换 4、调度与平台化：维护基于Kubernetes（KubeRay/Volcano）或Slurm的高效调度系统，提升GPU资源利用率 5、监控与安全：建立精细化的GPU硬件…