IT运维工程师

团队介绍

AI Infra 团队致力于构建面向科学智能（AI for Science）的新一代人工智能基础设施，从底层到应用层系统性打造高性能、高可靠、开发者友好的机器学习平台，支撑大规模科学计算与 AI 模型研发；同时深度优化关键算法的系统实现，包括机器学习力场（MLFF）、生成式 AI（GenAI）、大语言模型（LLM）等核心算子，显著提升推理效率；此外，团队积极探索 Agentic AI 前沿方向，构建支持多智能体协作、工具调用与检索增强生成（RAG）的智能体运行框架，推动 AI 从"感知智能"迈向"推理与行动智能"。

岗位职责

1. 算力资源管理

● 负责 GPU / CPU 服务器集群的日常运维、资源调度与状态监控

● 管理算力资源的分配、利用率追踪与容量规划

● 配合算法团队进行 GPU 服务器的性能测试、基准评测与选型评估

2. 硬件采购与交付

● 参与 GPU / CPU 服务器的技术选型、测试验证与采购流程

● 跟进服务器到货、上架、组网及验收全流程

● 管理硬件资产台账与生命周期

3. 网络与基础设施管理

● 负责办公网络与机房网络的日常运维，包括交换机、路由器、防火墙的配置与管理

● 保障高速互联网络（如 InfiniBand / RoCE）在 GPU 集群中的稳定运行

● 监控网络质量，快速响应和排除网络故障

4. 终端设备运维

● 负责台式机、笔记本电脑的软硬件安装、配置与故障处理

● 管理员工终端设备资产，提供日常 IT 支持

5. 软件与系统运维

● 维护 Linux 服务器的操作系统、驱动、内核等基础软件环境

● 管理常用中间件及监控系统的部署与维护（如 Prometheus、Grafana、ELK 等）

● 编写运维脚本，推动运维流程的自动化与规范化

6. 服务器管理

● 管理服务器的 BIOS/BMC 配置、固件升级及硬件健康监测

● 负责服务器生命周期管理，包括上架、运维、退役等

任职要求

● 全日制本科及以上学历，计算机、电子工程、通信等相关专业

● 3 年以上 IT 运维或基础设施运维经验，有 GPU 集群运维经验者优先

● 熟悉 Linux 操作系统（RedHat/ Ubuntu 等），具备 Shell/Python 脚本编写能力

● 了解常见网络协议（TCP/IP、DNS、VLAN、BGP 等），具备基本的网络故障排查能力

● 了解 GPU 服务器的硬件架构（如 NVIDIA A/H/B 系列卡、NVLink、PCIe 拓扑等）

● 具备基本的硬件故障诊断与替换能力

● 有服务器采购、验机、上架部署的全流程经验

● 具备良好的沟通协调能力，能使用普通话和英语作为工作语言

● Base 香港，或能立即赴港工作

加分项

● 有 InfiniBand 或 RoCE 等高速网络运维经验

● 熟悉 Slurm / Kubernetes 等资源调度系统的运维

● 熟悉 Prometheus + Grafana + AlertManager 监控栈

● 有数据中心（IDC）或实验室机房管理经验

● 熟悉主流服务器品牌（Dell / HPE / Supermicro / 浪潮等）的管理工具

● 具备基本的 ITIL 运维流程意识

我们提供

● 深度参与前沿 AI 基础设施建设，直接接触大规模 GPU 集群

● 深度参与 AI for Science 前沿基础设施建设的机会，与顶尖算法和系统工程师并肩工作。

● 开放的技术氛围，鼓励技术创新与前沿探索。

● 有竞争力的薪酬福利与职业发展空间。