TCL
云计算工程师
云计算工程师
发布于 3 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/Npu
Mindspore
Nccl
Pytorch
Tensorflow
Volcano
值不值得投
74综合评分
综合评分 74
上市巨头AI算力基础设施岗，技术前沿成长空间大，薪资稳定，但需承担平台稳定性保障压力。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2万
与云计算中位数基本持平
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 580 个在招
职位详情
关于这个职位
该职位主要负责TCL混合云及AI算力基础设施的日常运维与稳定性保障，涉及GPU/NPU异构算力集群的调度、监控与故障排查
你需要对接算法与工程团队，保障大模型训练与推理业务的高效运行，并推动运维流程的自动化与标准化
最低要求
学历专业：本科及以上学历，计算机科学、软件工程、信息技术等相关专业
计算机基础：熟悉操作系统、网络协议（TCP/IP）、数据库等基本原理
了解虚拟化、云计算、容器化（Docker/Kubernetes）等现代IT技术
编程能力：熟练运用至少一门主流编程语言（Python/Go/C++），具备良好的代码规范和脚本开发能力
AI技术基础：了解GPU/NPU等异构算力的基本概念，对CUDA编程、NCCL通信库有初步认知
了解或使用过至少一种AI框架（PyTorch/TensorFlow/MindSpore）
调度与编排：了解Kubernetes在AI场景下的调度方案（如Volcano）
解决问题能力：具备强烈的责任心和owner意识，能够独立排查和定位技术问题
具备良好的逻辑思维和分析能力，推动问题闭环
学习与成长：对云计算和AI基础设施有浓厚兴趣，具备快速学习新技术的能力
对AI负载特性（如训练任务对算力、网络、存储的要求）有基本认知或强烈学习意愿
沟通协作：具备良好的沟通能力和团队合作精神，主动承担责任，与多角色高效协作
工作职责
混合云与AI算力基础设施运维：负责企业公有云、私有云及数据中心的日常巡检、故障排查与性能监控，保障通用算力资源稳定运行
承担GPU/NPU等AI异构算力集群的基础运维工作，支撑大模型训练、推理等AI业务的资源供给
AI算力资源交付与调度：负责AI算力资源的申请开通、环境部署、任务配置及资源配额管理
根据业务需求制定合理的资源使用策略，保障AI项目高效运行
AI平台稳定性保障：负责AI训练/推理平台的稳定性建设，搭建监控告警与日志分析链路
及时发现并响应AI业务异常（如训练中断、显存溢出、通信超时等），制定并执行故障恢复方案，保障AI业务连续性
技术文档沉淀：编写并维护技术文档，包括云资源操作手册、AI算力使用指南、故障处理SOP、运维规范等
推动AI基础设施运维流程的标准化与自动化建设
新技术研究与应用：主动跟踪云计算与AI基础设施前沿技术（如GPU虚拟化、容器化调度、推理优化等），将新技术转化为可落地的运维工具或流程改进，并在团队内进行技术分享
跨团队技术对接：作为基础设施侧的技术接口人，对接算法、AI工程、网络等团队，完成需求分析、方案制定与技术交付，解决AI业务在基础设施层面的各类问题
优先资格
有容器编排、资源调度相关实践经验者优先
AI 洞察
优缺点分析
优点
- 紧跟AI大模型浪潮，接触GPU/NPU异构算力及大模型训练/推理底层基础设施，技术壁垒高且行业前景广阔
- 依托大型跨国企业平台，能接触到大规模混合云和复杂的AI业务场景，积累丰富的实战经验与行业人脉
- 适合对云计算和AI底层基础设施有浓厚兴趣，具备扎实编程基础，且希望在AI算力运维与调度方向深耕的技术人员
缺点 / 挑战
- AI算力集群的故障排查（如显存溢出、通信超时）具有较高的技术难度和复杂性，需要快速响应以保障业务连续性
- 跨团队对接算法、网络等多个角色，对沟通效率、需求理解能力和项目推动能力要求较高
角色解读
- 初期可深耕AI算力运维与K8s调度，成为AI基础设施领域的专家
- 后期可向AI平台架构师、SRE技术专家或云原生技术管理方向发展，主导大规模算力集群的架构设计
- 负责混合云及AI算力基础设施（GPU/NPU集群）的日常运维、监控与故障排查，保障大模型训练和推理业务的连续性
- 负责AI算力资源的交付、调度与配额管理，优化资源使用策略，确保算力高效利用
- 作为技术接口人对接算法和工程团队，解决基础设施层面的技术问题，并推动运维流程的自动化与标准化
- 扎实的计算机基础（OS、网络、数据库）及至少一门主流编程语言（Python/Go/C++）的熟练运用能力
- 熟悉容器化技术（Docker/K8s）及AI异构算力（GPU/NPU、CUDA、NCCL）和主流AI框架（PyTorch等）
- 具备较强的故障排查、逻辑思维及跨团队沟通协作能力，能够独立定位并解决复杂的技术问题
申请策略
- 了解TCL在AI和智能制造领域的业务布局，特别是其大模型或AI算力平台的建设情况，以便在面试中展现对公司业务场景的理解
- 突出在Kubernetes容器编排、资源调度（如Volcano）方面的实际项目经验或深入理解
- 详细列出参与过的GPU/NPU算力集群运维、AI框架部署或大模型训练环境保障的经历
- 展示使用Python/Go编写自动化运维脚本、监控工具或提升运维效率的具体成果
- 深入学习K8s在AI场景下的调度机制（如Volcano）及GPU虚拟化技术（如MIG、vGPU）
- 熟悉CUDA编程基础及NCCL通信库原理，了解大模型训练对算力、网络、存储的具体负载特性
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述故障排查或项目经验，重点突出排查思路（如日志分析、监控指标追踪）和最终的业务收益
- 对于架构或调度问题，先阐述核心原理，再结合具体场景给出解决方案，最后提及优化和沉淀（如文档、自动化工具）
- 在K8s环境下，如何排查和解决大模型训练任务中的显存溢出或通信超时问题？
- 请描述一次你处理过的最复杂的云基础设施或AI算力集群故障，你是如何定位和恢复的？
- 在AI算力资源调度中，如何平衡不同业务（如训练与推理）的资源配额和优先级？
- 你如何使用Python或Go编写自动化脚本来提升日常运维效率？请举例说明
- 复习K8s核心组件及AI调度插件（如Volcano）的工作原理，了解GPU虚拟化和NCCL通信机制
- 准备1-2个自己主导或深度参与的自动化运维、故障排查的真实案例，梳理其中的技术细节和难点
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
TCL作为已上市的跨国巨头，薪资福利体系相对完善且稳定，结合AI算力运维的市场热度，整体薪酬具备较强竞争力。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位深度结合AI大模型与云计算前沿技术，涉及GPU/NPU异构算力及K8s调度，技术成长空间大，能积累高壁垒的AI基础设施经验。
技术前沿前沿/新兴技术
技术栈Python、Go、C++、Docker、Kubernetes、CUDA、NCCL、PyTorch、TensorFlow、MindSpore、Volcano、GPU/NPU
成长机会学习与成长、快速学习新技术的能力、技术分享
业务类型cost_center
工作生活
60中等
岗位涉及AI平台稳定性保障和故障响应，可能需要处理突发故障（如训练中断），对WLB有一定影响，但JD未明确说明加班情况。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
支撑企业大模型训练与推理等核心AI业务，推动企业智能化转型，具有一定的技术使命感，但属于企业内部基础设施支撑，直接社会影响力中性。
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
Watch Jobs