Alibaba logo
阿里巴巴
阿里云智能-运维技术专家-AI&MaaS方向-杭州

阿里云智能-运维技术专家-AI&MaaS方向-杭州

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 4.5–7.5万 · AI 参考估算
高级经验
学历未注明
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Aiops
Gpu集群管理
Llm
Maas
Sre
全链路监控
容灾演练
故障治理

值不值得投

74综合评分

综合评分 74

AI基础设施稳定性专家岗,技术前沿、成长性强,但值班和关键保障压力明显

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

6.0万

比DevOps/SRE中位数高

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 5200 个在招 · 其中DevOps/SRE 38 个

市场机会

选择面较广

杭州 · DevOps/SRE · 52 个在招

职位详情

关于这个职位

该岗位面向阿里云智能云智能集团,负责 MaaS 平台与 AI 基础设施的稳定性体系建设、故障全生命周期管理和重大稳定性架构治理

你将围绕 Kubernetes、可观测性、容灾、GPU 故障隔离、AIOps 等方向,保障模型发布、大促和行业峰会等关键场景的稳定运行

最低要求

专业背景:计算机、软件工程、人工智能等相关专业,对云计算或 AI 大模型方向有持续的技术积累

技术栈能力:5年以上云计算或 AI 基础设施运维、SRE、稳定性保障经验,技术栈聚焦以下一个或多个领域:
运维技术栈:深入理解 Kubernetes 等云原生基础设施,熟悉监控、告警、变更、容灾等 SRE 工具链
AI 技术栈:熟悉 LLM 与 Agent 技术,有应用于自动化运维、故障诊断的实践经验
了解 GPU 集群管理、模型推理服务架构者优先
系统性解决问题能力:具备清晰的分析逻辑与全局思维,能从系统设计与工程机制角度提出创造性解决思路,推动问题根除与持续改进
沟通协作与结构化表达:具备优秀的沟通能力,能主动洞察沟通对象核心诉求,高效达成共识
能主导跨部门复杂业务协作
快速学习与并行执行:能敏锐跟踪 AI、云原生、可观测性等前沿方向,在压力下保持清晰的优先级判断

工作职责

稳定性体系建设:建立并完善 MaaS 平台稳定性规范、标准与流程体系,覆盖健壮性架构、研发质量、发布变更、生产运行全链路,制定稳定性度量指标并持续改进

故障全生命周期管理:负责技术类故障的全流程管理,包括应急响应、协同调度、故障定位、恢复处置与复盘改进
执行值班响应职责,在 SLA 时间内完成对客响应
稳定性架构治理:主导推进稳定性架构治理重大战役,包括全栈容灾、变更灰度、应急 1-5-10、资损防控、GPU 故障隔离等,通过技术与管理结合的手段持续收敛稳定性风险
运维保障方案落地:设计并落地运维保障解决方案,涵盖线上问题管理、全链路监控、生产变更管理、故障容灾演练等,沉淀运维最佳实践
客户活动保障:主导客户大型活动的稳定性保障,包括重要模型发布、业务大促、行业峰会等关键时期的全方位保障

优先资格

有大模型 ACA 认证、MaaS 平台运维或 GPU 集群管理经验

有 AIOps 落地实践(异常检测、根因分析、智能告警等)
有 ITIL 认证及体系化实践,或具备 AWS / Azure / GCP 等云平台稳定性保障经验
能独立主导跨部门复杂项目落地

AI 洞察

优缺点分析

优点

  • 岗位处在 MaaS、大模型和云原生基础设施交叉领域,技术前沿性强,能积累稀缺的 AI 平台稳定性经验
  • 工作内容覆盖体系建设和重大治理专项,不只是日常救火,有机会沉淀可复用的方法论和平台能力
  • 参与重要模型发布、业务大促和行业峰会保障,技术影响面大,容易形成高价值项目案例
  • JD 明确提到 LLM、Agent、AIOps、GPU 故障隔离等方向,对希望从传统运维升级到 AI 基础设施运维的人很有吸引力
  • 需要同时掌握云原生、SRE、AI 大模型和 GPU 集群知识,技术跨度大,学习曲线较陡
  • 故障响应、SLA 对客响应和关键活动保障意味着岗位存在值班与高压场景,需要良好的应急节奏管理
  • 适合有云计算或 AI 基础设施 SRE 经验、希望向大模型平台稳定性与 AIOps 方向升级的高级技术人才,尤其适合能兼顾技术深度和跨团队推动力的人

缺点 / 挑战

  • 跨部门复杂协作和重大战役推进对沟通影响力要求高,单纯技术能力不足以完全胜任

角色解读

  • 可向 AI 基础设施 SRE 专家、稳定性架构师、AIOps 技术负责人方向发展,深耕大模型平台与云原生基础设施
  • 可逐步承担更大范围的稳定性治理和技术战役,向技术管理、平台负责人或云智能运维架构负责人演进
  • 未来也可横向拓展到云计算架构、可观测性产品、AI 平台工程或企业级技术治理方向
  • 建设 MaaS 平台稳定性体系,制定规范、标准、流程和度量指标,覆盖架构、研发质量、发布变更和生产运行全链路
  • 负责技术故障从响应、定位、恢复到复盘改进的全流程管理,并在 SLA 时间内完成对客响应
  • 推进全栈容灾、变更灰度、应急 1-5-10、资损防控、GPU 故障隔离等稳定性治理专项
  • 设计并落地全链路监控、生产变更管理、容灾演练等运维保障方案,支撑模型发布、大促和行业峰会等关键活动
  • 需要扎实的云原生与 SRE 能力,尤其是 Kubernetes、监控告警、变更管理、容灾和故障治理工具链
  • 需要理解 LLM、Agent、MaaS 平台、模型推理服务和 GPU 集群管理,能够将 AI 技术用于自动化运维和故障诊断
  • 需要具备系统性问题分析能力,能从架构和工程机制层面推动问题根除,而不是只做临时止血
  • 需要较强的跨部门沟通、结构化表达和项目推进能力,能在复杂业务协作中达成共识并落地方案

申请策略

  • 面试前重点了解阿里云 MaaS、大模型服务和相关云产品形态,准备将自身经验映射到平台稳定性场景
  • 申请时建议明确说明你愿意参与值班响应和关键活动保障,并展示过往高压故障处理中的判断力和复盘能力
  • 突出你主导过的稳定性体系建设成果,例如 SLO/SLA 指标、故障分级机制、变更管控流程、复盘改进机制及量化效果
  • 重点展示 Kubernetes、全链路监控、容灾演练、灰度发布、故障定位等实战项目,最好写明规模、复杂度和结果
  • 如果有 LLM、Agent、AIOps、GPU 集群或模型推理服务相关经验,应单独成段说明具体应用场景和收益
  • 强调跨部门推动案例,说明你如何协调研发、运维、产品和客户侧资源完成复杂项目落地
  • 补齐 MaaS 平台与模型推理服务基础知识,理解模型部署、推理链路、GPU 资源调度和常见故障模式
  • 强化 AIOps 实践能力,可准备异常检测、根因分析、智能告警或自动化故障诊断相关案例

面试指南

  • 故障类问题用「背景-影响-定位-恢复-复盘-机制改进」结构回答,重点突出量化结果和根因治理
  • 方案设计类问题用「目标-现状风险-架构设计-实施路径-度量指标」展开,体现系统性思维
  • 协作类问题用「利益相关方-核心诉求-共识机制-推进动作-最终结果」说明,避免只讲个人技术贡献
  • 请介绍一次你主导的重大故障处理过程,包括定位、恢复、沟通和复盘改进
  • 如何为一个 MaaS 平台设计稳定性指标体系?你会关注哪些 SLO/SLA 和关键链路指标?
  • 在 Kubernetes 和 GPU 集群环境中,如何设计容灾、故障隔离和灰度变更方案?
  • 你如何将 LLM 或 Agent 技术应用于自动化运维、故障诊断或智能告警?
  • 面对研发、运维、产品和客户多方诉求冲突时,你如何推动稳定性治理项目落地?

职位点评

薪资福利78
成长发展90
工作生活45
使命价值76

薪资福利

78中等

JD 未披露薪资与福利信息,因此无法直接判断薪酬竞争力;从岗位要求看,属于经验门槛较高、技术稀缺性较强的专家型岗位。稳定性、福利和保障类信息在 JD 中未提及。

薪资信号未披露(AI估算:4.5千–7.5万/月)

成长发展

90较高

岗位聚焦 MaaS、LLM、Agent、AIOps、GPU 集群和云原生稳定性,技术方向前沿且实践场景复杂。JD 明确要求跟踪前沿方向并主导重大治理战役,对技能成长和技术影响力提升非常有利,但未提及明确晋升通道或培训机制。

技术前沿前沿/新兴技术
技术栈Kubernetes、LLM、Agent、AIOps、GPU集群管理、MaaS、可观测性、全链路监控、容灾
业务类型ambiguous

工作生活

45较低

JD 未明确办公模式、弹性工时或休假福利,无法判断办公灵活性。岗位明确包含值班响应、SLA 对客响应和关键活动保障,说明存在应急与高压保障场景。

工作模式未明确
办公地点未明确
加班情况JD含高强度暗示词

使命价值

76中等

岗位服务于 MaaS 平台和 AI 大模型基础设施,处于新兴技术领域,对提升平台稳定性、客户活动保障和 AI 服务可靠性有直接价值。JD 未出现明确使命或社会价值表述,因此意义感主要来自技术方向和技术影响力。

行业发展新兴领域(暂难判断)
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs