1、智算方向稳定性架构师，针对大模型训练、推理过程中的高故障率，复杂链路、故障发现难、定位难、恢复难等问题，从技术方案、到平台工具、进行端到端规划和设计和实现，保障业务稳定进行。 2、针对智算产品的特点，制定团队的运维保障流程，协助研发达成产品可用性指标；

1、大学本科及以上学历，并取得相应学位，计算机/通信相关专业优先； 2、8年及以上工作经验，其中5年及以上云服务工作经验、3年以上SRE运维经验，精通至少一门编程语言（Python/Go/Shell），具备开发运维工具和自动化脚本的能力。 3、对高性能计算有一定的技术背景，包括但不限于超算集群设计、AI集群设计、高性能网络设计、高性能存储集群设计、容器/k8s等技术能力； 4、精通Kubernetes的运维管理，具备集群部署、排障、性能调优和二次开发能力。 5、精通监控技术栈（如Prometheus、Grafana、Alertmanager、Thanos/VictoriaMetrics等），精通自动化配置与管理工具（如Ansible、Terraform、Pulumi）。 6、深入理解计算机网络（TCP/IP, DNS, VLAN, BGP），具备RDMA（RoCE/IB）网络运维或排障经验者优先。 7、公有云/私有云大型智算项目经验优先；熟悉云产品、特别是算力、存储、网络等基础IaaS产品者优先。 8、具备卓越的战略思维与执行能力，有较强的组织领导、沟通和协调能力；具有良好的敬业精神和职业道德操守，企业忠诚度高，并有丰富的团队建设与管理经验。