岗位职责：
1、智能化运维体系构建：设计基于AI驱动的智算中心监控、调度与资源管理方案，实现对异构算力（CPU/GPU/NPU）的自动化运维及能效优化。
2、AIOps技术落地：研发智能故障识别与资源调度算法模型，融合机器学习/深度学习手段提升异常发现与根因分析效率，降低故障恢复周期（MTTR）。
3、智能运维工具落地：实施智能运维工具链（如自动部署、智能巡检平台），推进运维流程标准化并提高整体执行效率。

任职要求：
1、技术基础：了解x86/ARM架构特点，熟悉NVIDIA/昇腾等AI加速芯片，掌握Kubernetes容器化技术及Slurm/PBS集群调度机制。
2、AI运维经验：具备3年以上智能运维开发经历，拥有时序预测、异常检测类算法（如LSTM/IsolationForest）实际应用案例，熟练使用TensorFlow/PyTorch框架。
3、系统运维能力：深入理解Linux内核机制，擅长Bash/Python脚本编写，熟练运用Prometheus/Grafana监控生态及Ansible自动化工具，具备Ceph等分布式存储调优背景。
4、项目经验：曾参与万人规模服务器集群或智算中心运维项目，主导过智能故障自愈或资源调度系统设计者优先考虑。
5、技术视野：持续关注AIOps与云原生技术发展方向，有OpenTelemetry等行业标准实践经历者优先。
6、团队协作：具备将技术逻辑转化为业务表达的能力；抗压性强，可适应7×24小时应急响应工作模式。