中国平安
IaaS运维工程师
IaaS运维工程师
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
Linux内核
Llm推理优化
Serverless
Vllm
云原生
容器网络(Cni)
值不值得投
76综合评分
综合评分 76
大型金融平台的高级云原生与AI基础设施岗位，技术前沿、挑战大、成长性强，WLB需进一步确认。
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
3.8万
比云计算中位数高
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 13020 个在招
市场机会
选择适中
深圳 · 云计算 · 13 个在招
职位详情
关于这个职位
负责中国平安云原生平台和智算平台的规划、架构设计及运维优化
工作内容包括管理大规模Kubernetes集群、解决生产环境疑难问题、推动Serverless等前沿技术落地，并参与LLM推理引擎的性能优化与成本降低
最低要求
计算机、人工智能等相关专业，本科及以上学历，硕士或以上学历优先
深入理解云原生架构、智算或算法平台，精通GPU容器运行时、Kubernetes、Hived、Volcano等云原生技术，有大规模生产级集群实战经验
有推理引擎设计或研发经验，熟悉vLLM、SGlang、TensorRT、Dynamo、MindIE等推理引擎，熟悉PD分离、大EP、AF分离、KVCache等推理加速技术
熟悉Linux操作系统底层原理，对容器网络（CNI）、容器存储（CSI）有深入研究
出色的沟通能力，善于跨团队协作，具有支持多团队云原生、AI项目的经验优先
工作职责
主导云原生平台、智算平台规划与架构设计，推动K8S、智算平台生态技术的持续演进
负责Kubernetes集群的全生命周期管理，包括部署、升级、扩缩容、多集群管理及高可用设计
深入解决云原生平台智算平台在生产环境中的各类疑难问题，保障平台的安全、稳定与高性能
推动Serverless化、sandbox、容器运行时等前沿技术的落地，持续优化平台资源利用率与成本
参与LLM推理引擎优化，通过PD分离、EP并行、算子调优、网络或存储调优等技术提高推理引擎性能降低Tokens单位成本
AI 洞察
优缺点分析
优点
- 技术栈非常前沿，直接参与LLM推理优化、智算平台等业界热点方向的建设，技术成长空间巨大
- 岗位在公司技术体系中处于基础核心地位，对业务支撑至关重要，容易获得有影响力的项目经验
- 适合对云原生和AI基础设施有浓厚兴趣，追求技术深度与广度，并渴望在大型复杂系统中解决实际问题的资深技术工程师
缺点 / 挑战
- 依托大型金融集团的平台与资源，能够接触到高并发、高稳定性的大规模生产环境挑战
- 技术要求全面且深入，需要同时兼顾传统运维的稳定性和前沿技术的创新性，学习压力大
- 作为平台支撑岗位，需服务多业务线，在需求优先级协调和跨团队沟通上可能面临挑战
- 金融行业对系统稳定性和安全性要求极高，线上操作风险大，需要极强的责任心和严谨性
角色解读
- 技术专家路线：深耕云原生与AI基础设施领域，成为特定技术方向（如容器网络、推理优化）的架构师
- 平台负责人路线：负责更广泛的平台产品或解决方案，从技术执行者成长为技术规划者与团队领导者
- 负责公司核心的云原生与智算平台的架构设计与技术演进，是平台稳定运行和性能优化的关键负责人
- 管理大规模、生产级的Kubernetes集群，保障AI训练与推理等核心业务的稳定、高效运行
- 攻克云原生和AI平台在复杂生产环境中的技术难题，并推动Serverless、容器运行时等新技术的落地
- 精通以Kubernetes为核心的云原生技术栈，包括GPU容器运行时、网络（CNI）与存储（CSI）
- 具备深厚的大规模集群运维与故障排查能力，对Linux底层原理有深入研究
- 熟悉主流的LLM推理引擎及其优化技术（如vLLM、PD分离），能通过技术手段显著降低算力成本
申请策略
- 在简历或面试中，可结合平安的金融业务场景（如智能风控、智能营销）来阐述平台技术的价值
- 研究中国平安的科技战略和数字化转型动态，了解其在云计算与AI领域的具体布局
- 重点突出管理过的大规模Kubernetes集群规模（节点数、Pod数）、业务类型（如AI训练/推理）及稳定性成果
- 详细描述参与或主导的LLM/大模型推理性能优化项目，量化说明带来的性能提升或成本降低
- 列举对容器网络(CNI)、存储(CSI)或GPU调度等具体技术的深度实践和问题解决案例
- 深入学习并实践vLLM、SGLang等主流LLM推理框架，理解其原理与调优手段
- 系统梳理Kubernetes生态中与AI负载相关的核心组件，如Volcano调度器、GPU Operator等
面试指南
- 对于故障排查类问题，可使用STAR法则（情境、任务、行动、结果），重点描述分析思路和根因
- 对于技术原理类问题，先阐述核心思想，再结合项目经验说明具体应用场景和收益
- 对于架构设计类问题，从目标（性能、成本、稳定）出发，拆解关键模块，权衡技术选型
- 请描述你经验中最复杂的一次Kubernetes集群故障排查过程，你是如何定位并解决的？
- 你了解哪些LLM推理加速技术（如PD分离、KV Cache）？请结合实践谈谈其原理和效果
- 如果让你为一个新的大规模AI训练任务设计Kubernetes资源调度方案，你会考虑哪些关键因素？
- 如何平衡云原生平台的稳定性与快速引入新技术的需求？请举例说明
- 在支持多个业务团队使用同一平台时，你如何处理资源争抢和优先级冲突？
职位点评
薪资福利75
成长发展90
工作生活60
使命价值75
薪资福利
75中等
该职位薪资面议，但作为上市金融巨头的高级技术岗位，其薪酬福利体系预计具有市场竞争力。
薪资信号面议 (2.5千–5万/月)
成长发展
90较高
职位涉及云原生、智算平台、LLM推理优化等前沿技术领域，对技术深度和广度要求高，能提供显著的技术成长空间。
技术前沿前沿/新兴技术
技术栈Kubernetes、GPU容器、Serverless、vLLM、LLM推理优化、PD分离
成长机会持续演进、前沿技术的落地
业务类型cost_center
工作生活
60中等
JD未提及具体的工作模式（如远程/混合），作为现场办公的运维岗位，工作节奏可能与平台稳定性保障紧密相关，需应对突发问题。
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
75中等
该岗位支撑金融业务的数字化和智能化转型，通过提升平台效率直接服务于业务发展，具有明确的业务支撑价值。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs