顺丰速运
AI运维工程师
AI运维工程师
发布于 大约 15 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
信息技术与基础设施
PyTorch
TensorFlow
LLM
RDMA
GPU集群
NCCL
AIOps
Ai运维
AI 估算 · 30k–50k
AI运维工程师需求旺盛，深证高级岗位薪资30-50K，顺丰大厂福利稳定，中位数40K*14月。
职位详情
关于这个职位
作为顺丰速运的AI运维工程师，你将负责大规模GPU/NPU集群的稳定性与性能优化，保障AI训练和推理任务的持续高效运行
通过AIOps和LLM技术实现运维自动化和智能诊断，提升基础设施的可靠性和资源利用率
这是一个技术深度与业务价值并重的岗位，适合对AI基础设施和运维自动化有热情的工程师
最低要求
基础技术栈：本科及以上学历，3年以上运维/SRE经验，有AI基础设施运维经验
精通Linux、TCP/IP/RDMA网络、Docker/K8s（GPU调度），熟练使用Prometheus、Grafana、Loki/ELK及Python/Go/Shell
AI领域实践：了解主流AI框架（PyTorch/TensorFlow）原理及通信库（NCCL/HCCL），熟悉K8s生态，有大规模GPU集群排障实战（如NCCL超时、慢节点识别）
AIOps与LLM应用能力：具备时序异常检测、日志聚类、根因定位等AIOps落地经验
熟悉LangChain、RAG、Prompt Engineering，能将大模型集成到运维系统（自动诊断、脚本生成）
软素质与加分项：强责任心和抗压能力，能快速响应故障
良好的跨团队协作意愿
有万卡集群运维经验或开源贡献者优先
工作职责
AI基础设施稳定性运维：负责大规模GPU/NPU集群、高性能网络（RoCE/IB）、分布式存储的部署、监控、容量规划与日常保障，通过故障自愈、自动重调度、Checkpoint恢复等机制降低MTTR
性能优化与资源管理：定位并解决推理中的性能瓶颈（GPU利用率、通信带宽、数据加载），优化异构资源调度策略，减少碎片化，保障AI任务高效连续运行
运维AI化提效：开发智能运维场景（异常检测、根因分析、告警收敛、容量预测），利用AI实现自然语言查询、故障诊断与脚本生成，建设自动化运维平台（扩缩容、隔离修复、智能调度）
数据驱动与知识沉淀：分析历史监控与日志数据，输出优化报告
建立运维知识库及故障案例库，借助AI辅助问答持续提升团队效率
优先资格
有万卡集群运维经验或开源贡献者优先
AI 洞察
优缺点分析
优点
- 顺丰是物流行业巨头，AI基础设施投入大，平台稳定，项目体量可观
- 岗位涉及前沿技术（GPU集群、AIOps、LLM），技能积累价值高，市场竞争力强
- 工作直接支持核心AI业务，成就感强，且跨团队协作能拓展人脉
- 需要持续跟进AI框架和LLM技术的最新演进，学习曲线陡峭
- 适合有3年以上运维/SRE经验、对AI基础设施有强烈兴趣，并且具备快速学习和抗压能力的工程师
缺点 / 挑战
- 大规模GPU集群运维复杂度高，故障响应压力大，需快速解决问题
- 涉及多团队协作，沟通成本较高，需平衡业务需求与运维规范
角色解读
- 在技术深度上，可向AI基础设施架构师发展，专攻超大规模集群设计与优化
- 在管理方向上，可晋升为运维团队Leader，负责团队建设和运维策略制定
- 结合AIOps和LLM趋势，可转型为智能运维平台架构师或AI平台开发专家
- 负责大规模GPU/NPU集群的部署、监控和稳定保障，通过自动化手段降低故障恢复时间
- 分析推理性能瓶颈，优化GPU利用率和网络通信效率，提高AI任务运行效率
- 开发智能运维工具，利用AIOps和LLM实现异常检测、自动诊断和脚本生成
- 沉淀运维知识库，通过数据驱动持续改进基础设施的可靠性和资源利用率
- 精通Linux系统、TCP/IP网络及RDMA协议，熟悉Kubernetes和Docker的GPU调度
- 掌握主流AI框架（PyTorch/TensorFlow）及通信库（NCCL），有大规模GPU集群排障经验
- 具备AIOps落地经验，熟悉时序异常检测、日志聚类和根因定位
- 熟悉LLM应用开发（LangChain、RAG等），能将大模型集成到运维场景
申请策略
- 在简历中量化成果，如将MTTR降低XX%、GPU利用率提升XX%
- 关注顺丰技术博客或开源动态，突显对公司的了解和热情
- 突出GPU集群运维经验，如集群规模、排障案例（NCCL超时、慢节点识别）
- 展示AIOps落地项目，特别是异常检测、根因分析或自动化故障恢复的实际成果
- 强调LLM集成经验，如用LangChain构建自动诊断工具或脚本生成系统
- 列出熟悉的技术栈：Kubernetes、Docker、Prometheus、Grafana、Python/Go等
- 如果缺乏LLM应用经验，可学习LangChain框架和RAG技术，通过开源项目实践
- 巩固Kubernetes GPU调度知识，了解Kata Containers等安全容器方案
面试指南
- 对于排障问题，采用STAR原则：情境、任务、行动、结果，重点突出技术细节和量化效果
- 对于架构设计问题，从需求分析、方案选型、优缺点对比和落地效果四个层面回答
- 对于趋势问题，结合行业现状和个人经验，展示技术视野和思考深度
- 描述一次你处理大规模GPU集群故障的经历，如何定位和恢复？
- 如何优化Kubernetes上的GPU调度以减少碎片化？
- AIOps在你们团队是如何落地的？具体实现了哪些功能？
- 你如何将LLM集成到运维系统中？请举例说明
- 你如何看待AI运维工程师的未来发展方向？
匹配度报告
70
综合匹配度
大厂AI运维高岗，前沿技术驱动，薪资面议有竞争力，但WLB不确定。
适合人群
适合高度关注技能成长和技术前沿的求职者，能接受现场办公和潜在高压。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展88
工作生活50
使命价值65
薪资福利匹配
75中等
薪资面议但基于大厂和高级岗位，预计竞争力强，福利稳定，但未明确具体数字。
薪资信号面议 (30K-50K/月)
成长发展匹配
88较高
岗位涉及GPU集群、AIOps、LLM等前沿技术，成长空间大，但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈GPU集群、Kubernetes、AIOps、LLM、PyTorch、TensorFlow、NCCL、LangChain
业务类型ambiguous
工作生活匹配
50较低
现场办公，深圳市区可能交通便利，但大规模运维可能存在on-call压力，JD未提及WLB。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
65中等
物流行业稳定，AI运维支持公司核心业务，有一定社会价值，但JD未明确使命感描述。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs