阿斯利康
Senior Manager, AI Infrastructure
Senior Manager, AI Infrastructure
发布于 1 天前中层管理(经理/总监)
上海市
专家级经验
全职员工
仅现场办公
学历未注明
PyTorch
LLMOps
FinOps
GPU集群
NVIDIA
DeepSpeed
阿里云
华为云
AI 估算 · 50k–80k
高级AI基础设施管理岗，稀缺技能，跨国大药企，上海薪资水平较高
职位详情
关于这个职位
该职位是阿斯利康AI基础设施高级经理，负责设计和管理统一的AI执行环境（包括CPU、GPU和AI ASIC），实施LLMOps和Agentic基础设施，确保合规性
你将领导性能优化、绿色AI和供应商策略，同时管理团队，是连接研发与IT财务的桥梁
适合具备10年以上基础设施经验、精通GPU集群和AI平台的专业人士
最低要求
Experience: 10+ years in Infrastructure/Systems Engineering, with 4+ years specifically leading AI-focused platforms.
Technical Mastery: Expertise in GPU cluster management (e.g., NVIDIA Blackwell/H-series or domestic equivalents) and high-performance interconnects (RoCE v2, InfiniBand). Deep knowledge of the Chinese AI Landscape , including Aliyun/Huawei Cloud/Baidu and local hardware ecosystems. Hands-on experience with FinOps for AI , specifically managing the "Inference Economics" of large-scale model deployment.
Software Stack: Proficiency in PyTorch, Ray, Kubernetes (KubeFlow), and modern observability tools (Prometheus/Grafana) for real-time hardware telemetry.
Mindset: A "Systems Architect" approach—viewing the entire data center as a single programmable computer.
工作职责
Visionary Architecture & "AI Factory" Operations: Design and manage a unified execution environment (CPUs, GPUs, and AI ASICs) using modern orchestration layers that support both training and low-latency inference. LLMOps & Agentic Infrastructure: Implement robust pipelines for LLMOps, specifically focusing on prompt versioning, vector database scaling, and the infrastructure required to host autonomous AI Agents. Sovereignty & Compliance: Navigate the complex Chinese AI landscape to ensure infrastructure compliance with local data residency and security regulations, while maintaining performance.
Strategic Technology Leadership: Performance Engineering: Lead deep-dive optimizations in distributed training (DeepSpeed, Megatron) and hardware-aware model tuning to extract maximum TFLOPS from every cluster. Sustainability & Green AI: Implement carbon-aware scheduling and liquid-cooling strategies to reduce the environmental footprint and operational costs of high-density workloads. Vendor Strategy: Manage a diverse portfolio of domestic and international hardware/cloud vendors, ensuring a resilient supply chain in a volatile hardware market.
Cross-Functional Execution: Stakeholder Alignment: Translate complex R&D ambitions into technical infrastructure requirements, acting as the bridge between researchers and the IT finance office. Talent Incubation: Build and mentor a "Full-Stack" infrastructure team capable of handling everything from high-speed InfiniBand networking to Kubernetes-based model serving.
AI 洞察
优缺点分析
优点
- 前沿技术栈：接触最先进的GPU集群、LLMOps和Agentic基础设施，技能积累价值高
- 行业平台：阿斯利康作为跨国药企，提供稳定的职业环境和全球资源网络
- 管理机会：既是技术负责人也是团队管理者，锻炼领导力
- 社会价值：参与AI制药，推动新药研发，具有显著社会意义
- 技术复杂度高：需要同时掌握硬件、软件、合规等多方面知识，学习曲线陡峭
缺点 / 挑战
- 合规压力：中国AI数据合规要求严格，需平衡性能与监管
- 工作强度大：处于AI竞赛前沿，可能面临高强度加班和快速迭代压力
- 适合10年以上基础设施经验、渴望挑战AI前沿且具备管理意愿的技术专家，尤其是对制药行业AI应用感兴趣的人
角色解读
- 技术方向：可晋升为AI基础设施总监或首席架构师，统领更大规模的AI工厂
- 业务方向：转向AI战略或技术VP，负责公司AI技术路线和数字化转型
- 跨领域：结合制药行业经验，成为AI+医疗健康领域的领军人物
- 设计并管理统一AI执行环境，协调CPU/GPU/AI ASIC资源，确保高效训练和低延迟推理
- 实施LLMOps流水线，包括提示版本管理、向量数据库扩展以及自主AI Agent的基础设施
- 主导分布式训练优化（DeepSpeed、Megatron）和硬件调优，最大化集群性能
- 作为研发与IT财务的桥梁，将研发需求转化为技术基础设施方案，并建设全栈基础设施团队
- 年以上基础设施/系统工程师经验，其中4年以上专注AI平台领导
- 精通GPU集群管理（NVIDIA Blackwell/H系列）和高性能互连（RoCE v2、InfiniBand）
- 深度了解中国AI生态，包括阿里云、华为云、百度及本地硬件生态
- 掌握PyTorch、Ray、Kubernetes（KubeFlow）及可观测性工具（Prometheus/Grafana）
申请策略
- 关注阿斯利康在AI制药领域的战略方向，面试时展示对医疗AI合规性的理解
- 准备一个完整的AI基础设施架构设计方案，展示系统架构师思维
- 突出10年以上基础设施经历，重点描述AI平台领导经验（4年以上），列出管理GPU集群的具体案例
- 强调分布式训练优化成果（如TFLOPS提升百分比）和LLMOps实践
- 展示在中国AI生态中的经验，包括与阿里云/华为云等合作项目
- 提及团队管理和跨部门协作经验，体现领导力
- 补充DeepSpeed、Megatron等分布式训练框架的实战经验
- 学习FinOps for AI，了解推理经济学的成本优化方法
面试指南
- 使用STAR法则：情境-任务-行动-结果，量化成果
- 展示系统架构师视角：从整体数据中心作为单一可编程计算机出发
- 结合中国本地生态：强调对阿里云、华为云等国内供应商的实践经验
- 请描述你设计过的最复杂的AI基础设施架构，包括硬件选型和挑战
- 如何优化大规模分布式训练的通信效率？请举例
- 在中国AI合规环境下，你如何设计满足数据本地化要求的AI平台？
- LLMOps与传统MLOps有何不同？你如何管理提示版本和向量数据库？
- 你如何估算AI推理成本并优化推理经济学？
匹配度报告
69
综合匹配度
大厂高级管理岗，前沿AI基础设施技术栈，发展空间大，但WLB可能一般。
适合人群
最适合追求技术前沿和职业发展的资深工程师，愿意为成长接受较高工作强度。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展90
工作生活40
使命价值75
薪资福利匹配
70中等
薪资处于市场高端（高级管理+稀缺技能），但JD未明确具体数字和福利，稳定性较高但灵活性一般。
薪资信号未披露（AI估算：50K-80K/月）
成长发展匹配
90较高
该职位聚焦AI前沿技术（GPU集群、LLMOps、Agentic基础设施），提供丰富的技能成长和管理锻炼机会，发展前景优秀。
技术前沿前沿/新兴技术
技术栈GPU集群、LLMOps、Kubernetes、PyTorch、DeepSpeed、InfiniBand、Ray、Prometheus、Grafana
成长机会Talent Incubation: Build and mentor a "Full-Stack" infrastructure team
业务类型ambiguous
工作生活匹配
40较低
仅现场办公，未提及弹性工作或福利，从JD中可推断可能面临高强度工作，WLB一般。
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
75中等
阿斯利康作为制药企业，AI基础设施助力新药研发，具有社会价值，行业增长快，但JD本身使命信号较少。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs