MiniMax logo
稀宇科技
GPU 集群服务器工程师-2027届

GPU 集群服务器工程师-2027届

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 1.2–2.2万 · AI 参考估算
无经验要求
本科
全职员工仅现场办公数据中心运维
数据中心运维
Bmc/Ipmi
Gpu集群
服务器硬件

值不值得投

74综合评分

综合评分 74

前沿AI算力基础设施校招岗,成长性强、技术含量高,薪资福利与办公模式未披露。

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,方便比较职业起点。

薪资怎么样

参考估算薪资

根据职位描述推断,供对比参考

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

98 个在招

职位详情

关于这个职位

该岗位面向2027届毕业生,参与万卡级GPU集群服务器的部署交付、硬件故障排查、监控告警和自动化运维建设

适合对AI算力基础设施、Linux服务器、硬件运维和Python自动化感兴趣的同学,能在大规模GPU集群场景中快速积累工程经验

最低要求

基础要求:

届本科及以上学历,计算机、电子信息、自动化、通信等相关专业优先
熟悉 Linux 基本操作、常用命令及基础故障排查方法
了解服务器硬件组成,包括 CPU、GPU、内存、硬盘、网卡及 RAID 等
掌握 Python 或 Shell,能够编写基础的自动化脚本
喜欢动手实践,具备较强的问题分析、自驱学习和协作能力
对 AI 算力基础设施和大规模 GPU 集群方向有长期发展意愿

工作职责

你将做什么:

参与 GPU 服务器的部署、交付、验收和日常运维,保障集群稳定运行
定位并处理 GPU、CPU、内存、硬盘、网卡等硬件故障,持续提升故障恢复效率
建设硬件巡检、监控和告警体系,推动风险提前发现与预防性维护
使用 Python、Bash、Ansible 等工具开发自动化能力,提升大规模服务器运维效率
参与 BMC/IPMI、Redfish 等带外管理能力建设,完善服务器远程管理体系
沉淀标准化操作流程和故障处理方案,持续提升 GPU 集群的可用性与交付质量

优先资格

加分项:

有 GPU 服务器、实验室集群、IDC 或服务器运维实践经验
了解 BMC/IPMI、Redfish 等服务器带外管理技术
有 Ansible、Prometheus、Grafana 等工具的使用经验
了解计算机体系结构、网络、存储或分布式系统相关知识
有技术项目、竞赛、开源贡献或相关实习经历

AI 洞察

优缺点分析

优点

  • 能直接接触万卡级GPU集群,这类大规模AI算力基础设施经验具有稀缺性
  • 技术链路完整,覆盖硬件运维、自动化、监控告警、带外管理和交付体系,成长面较宽
  • JD明确提到从解决具体问题开始,逐步成长为独立承担模块的工程师,对应届生较友好
  • 团队强调开放直接的技术讨论和快速验证,适合希望快速积累实战经验的候选人
  • GPU集群硬件复杂,故障定位需要同时理解服务器硬件、Linux、网络和自动化工具
  • 岗位涉及硬件、系统、运维和自动化多个方向,初期学习曲线较陡
  • 适合计算机、电子信息、自动化、通信等相关专业,喜欢动手排查问题,并希望长期投入AI算力基础设施和大规模GPU集群方向的应届生

缺点 / 挑战

  • 大规模集群稳定性要求高,问题排查和交付保障可能对响应速度与责任心提出较高要求

角色解读

  • 初期可从服务器部署、故障处理和日常运维入手,建立硬件与集群稳定性基础能力
  • 中期可逐步承担自动化运维、监控告警、带外管理和交付体系模块,成长为独立负责模块的工程师
  • 长期可向GPU集群基础设施专家、SRE、数据中心运维架构师或AI算力平台工程方向深入发展
  • 参与GPU服务器从部署、交付、验收到日常运维的全流程工作,保障大规模集群稳定运行
  • 排查GPU、CPU、内存、硬盘、网卡等硬件故障,并推动故障恢复效率提升
  • 建设巡检、监控、告警和带外管理能力,提前发现风险并降低故障影响
  • 使用Python、Bash、Ansible等工具开发自动化能力,沉淀标准操作流程和故障处理方案
  • 需要掌握Linux基础操作、常用命令和基础故障排查方法,这是服务器运维的核心底座
  • 需要理解CPU、GPU、内存、硬盘、网卡、RAID等服务器硬件组成,具备硬件问题定位能力
  • 需要具备Python或Shell脚本能力,能够把重复运维任务自动化
  • 需要了解BMC/IPMI、Redfish、Prometheus、Grafana等工具或协议,对监控告警和远程管理有帮助

申请策略

  • 申请时建议明确表达对GPU集群、AI算力基础设施长期发展的意愿,而不仅是普通运维兴趣
  • 可提前了解MiniMax大模型业务与算力基础设施的关系,面试中说明自己如何理解稳定算力对训练和推理的价值
  • 突出Linux实操经历,例如常用命令、系统排查、服务部署或脚本编写经历
  • 突出Python或Shell自动化项目,说明解决了什么重复任务、提升了什么效率
  • 如果有GPU服务器、实验室集群、IDC、服务器硬件或开源项目经历,应具体写明设备规模、问题类型和个人贡献
  • 展示对AI算力基础设施的长期兴趣,例如课程项目、竞赛、实习或自学方向与该岗位相关
  • 面试前可复习Linux故障排查、进程与日志分析、网络基础和存储基础
  • 可补充Python/Shell脚本练习,准备一个自动化巡检、批量命令执行或日志分析的小项目

面试指南

  • 故障排查类问题可按“现象确认—信息收集—分层定位—验证修复—复盘沉淀”的结构回答
  • 项目经历类问题建议用背景、规模、职责、方案、结果、反思六部分展开,突出个人贡献
  • 动机类问题可结合AI算力基础设施、大规模GPU集群、自动化运维和长期成长意愿来回答
  • 请描述一次你排查Linux服务器问题的经历,你的排查思路是什么?
  • GPU服务器常见硬件故障有哪些?你会如何定位GPU、内存或网卡异常?
  • 如何用Python或Shell编写一个基础自动化巡检脚本?
  • 你如何理解BMC/IPMI、Redfish在服务器远程管理中的作用?
  • 为什么选择GPU集群服务器方向,而不是普通软件开发或运维岗位?

职位点评

薪资福利72
成长发展88
工作生活50
使命价值82

薪资福利

72中等

JD未披露薪资与具体福利信息,因此补偿性动机只能基于岗位方向和校招属性做有限判断。岗位技术门槛较高,但缺少明确薪酬福利承诺。

薪资信号未披露(AI估算:1.2千–2.2万/月)

成长发展

88较高

JD明确提到万卡级GPU集群、完整技术链路、真实业务成长和逐步独立承担模块,对技能成长非常有利。技术栈覆盖Linux、Python、Ansible、监控告警和带外管理,发展性较强。

技术前沿前沿/新兴技术
技术栈GPU集群、Linux、Python、Bash、Ansible、BMC/IPMI、Redfish、Prometheus、Grafana
成长机会参与完整技术链路、获得真实业务成长、逐步成长为能够独立承担模块的工程师
业务类型ambiguous

工作生活

50较低

JD仅明确北京、上海两个工作地点,未提及远程、弹性、双休或加班情况。生活化动机相关信息不足,无法判断办公灵活性。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

82较高

岗位直接服务于大模型训练和推理的算力供给,JD强调构建驱动下一代AGI的算力基础设施,技术方向具有较强前沿性和业务价值。社会价值主要体现在支撑AI基础能力建设。

行业发展高速增长赛道
社会影响中性/一般
使命信号构建驱动下一代 AGI 的算力基础设施、为大模型训练和推理提供稳定、高效的算力供给
创新程度积极采用新技术
Watch Jobs