传音
GPU基础设施工程师(J20618)
GPU基础设施工程师(J20618)
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公云计算
云计算
Cuda
Go
Gpu
容器编排
性能优化
自动化运维
值不值得投
79综合评分
综合评分 79
大厂核心AI基建岗，技术前沿性强，成长空间大，WLB视具体团队而定
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
比云计算中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 780 个在招
市场机会
选择适中
深圳 · 云计算 · 25 个在招
职位详情
关于这个职位
负责GPU集群的部署、纳管与维护，包括操作系统、容器运行时及驱动适配
建设资源调度策略，提供算力支撑
同时负责性能测试、故障排查及自动化工具开发，保障集群稳定运行
最低要求
计算机、电子信息或相关专业本科及以上学历
熟悉 Kubernetes 集群架构、节点管理、资源调度、容器网络及存储机制，能够独立完成集群部署、升级、节点纳管和常见故障处理
熟悉 GPU 驱动、CUDA 运行环境、容器运行时及设备插件，理解 GPU 显存、PCIe、NUMA 和多卡通信的基本原理，具备运行环境适配及兼容性问题处理能力
熟练使用 Python、Go 或 Shell 开展自动化开发，具备版本控制、配置管理及变更验证经验
能够结合系统日志、网络指标和 GPU 运行信息定位故障，完成资源分配、容量及性能测试，并清楚记录验证过程与结果
工作职责
负责 GPU 集群的部署、纳管与维护，完成操作系统、容器运行时、GPU 驱动和设备插件的适配、升级及故障恢复，维护软硬件版本兼容配置
负责 GPU 资源纳管、集群级资源配额、任务队列及调度策略的建设与维护，完善资源分配、隔离、回收和状态查询能力，为上层训练、开发及模型服务平台提供算力资源支撑
负责容器网络、集群 DNS 及存储接入，协同网络、存储和现场团队完成集群资源交付、环境验证及故障处理
开展 GPU、网络、存储及多机通信性能测试，排查设备异常、性能抖动、慢节点和通信瓶颈，验证新增资源的运行条件、性能及可用容量
开发设备健康检查、故障隔离、节点恢复和配置管理工具，提高 GPU 资源接入、自动化巡检、环境维护及故障处理效率
优先资格
有 Kueue、Volcano 或 Slurm 等资源管理与调度系统实践，或有 GPU Operator、Kubernetes Controller、设备插件开发经验者优先
有 RDMA、NCCL 性能分析、多集群管理、异构 GPU 或高性能存储接入经验者优先
AI 洞察
优缺点分析
优点
- 接触前沿AI算力基础设施，技术栈硬核（K8s+GPU），在大型科技公司有清晰的职业晋升通道
- 热衷于底层系统优化、喜欢解决复杂工程问题、对AI基础设施感兴趣的技术人员
缺点 / 挑战
- 需处理复杂的异构硬件兼容性问题和高并发调度挑战，故障排查压力大，对底层原理要求极高
角色解读
- 可向AI基础设施专家、SRE架构师或技术总监方向发展，成为连接硬件与算法平台的关键角色
- 构建和维护大规模GPU计算集群，确保AI训练和推理任务的稳定运行
- 精通Kubernetes容器编排，深入理解GPU硬件特性（CUDA、PCIe等），具备Python/Go自动化开发能力
申请策略
- 准备具体的故障排除案例，展示如何定位并解决GPU集群中的性能瓶颈或硬件异常
- 突出K8s集群管理经验、GPU故障排查案例、以及通过代码（Python/Go）提升运维效率的具体成果
- 深入学习Kubernetes Device Plugin开发机制，掌握NCCL/RDMA网络性能调优知识
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述具体案例
- 强调数据分析能力和系统性思维
- 展示对底层原理的理解而非仅停留在使用层面
- 请描述一次你处理的复杂的Kubernetes集群故障排查经历
- 如何优化多卡GPU在多节点通信时的性能？
- 在设计GPU资源调度策略时，如何平衡公平性与效率？
- 如何实现GPU设备的动态热插拔或故障隔离？
- 复习K8s核心组件工作原理，了解主流GPU调度器（如Volcano/Kueue）的差异，准备1-2个深度技术项目案例
职位点评
薪资福利85
成长发展90
工作生活60
使命价值70
薪资福利
85较高
作为已上市的跨国巨头企业，提供具有竞争力的薪酬体系和完善的福利保障，符合市场对高级技术人才的定价标准。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
职位涉及AI算力基础设施的核心领域，技术栈前沿（K8s+GPU+AI），能显著提升在云原生和AI Infra领域的专业能力。
技术前沿前沿/新兴技术
技术栈Kubernetes、GPU、CUDA、Python、Go、RDMA、NCCL
业务类型cost_center
工作生活
60中等
JD未明确提及弹性工作制，但作为大厂技术岗，通常有一定的工作自主性；然而基础设施岗位往往伴随On-call值班压力。
工作模式未明确
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
70中等
支持公司AI能力建设，间接推动智能终端产品的创新，虽非直接面向用户，但对业务核心竞争力至关重要。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
传音 的其他在招职位
相似职位推荐
Watch Jobs