商汤大装置-智算技术支持工程师
任职要求
1. 本科及以上学历，计算机或相关专业优先。 2. ≥3年大规模系统运维/技术支持/交付经验。 3. 熟练 Linux/UNIX，具备日志分析和性能调优能力。 4. 熟悉 Shell/Python/Java 中至少一种语言。 5. 熟悉 Docker、Kubernetes 等云原生体系（监控/日志/网络等）。 6. …
工作职责
负责商汤大装置智能云（算力平台、云平台、私有化部署）的技术支持与交付保障工作。 1. 为客户提供技术支持，响应并处理算力平台相关技术问题，指导客户使用平台产品。 2. 参与项目交付，支持环境部署、配置、验证、问题跟踪与闭环。 3. 分析日志、定位系统故障，推动产研解决问题，保障系统稳定运行。 4. 收集客户需求与改进建议，向产品与研发团队反馈并跟进落实。 5. 协助优化交付流程、支持技术文档建设。 6. 参与私有化项目的技术方案设计、部署架构规划与复杂场景问题排查。 7. 支持 AI 场景，理解大模型训练/推理的基本能力。
本岗位隶属于 SRE 团队，负责智算集群与科研级基础设施中的 Underlay 物理网络交付与稳定性保障。 Underlay 网络作为云网络（Overlay）的底座能力，为上层 SDN、容器网络和算力平台提供高可靠、低时延、可预测的网络基础。 你将作为 SRE 体系下的 物理网络工程师，面向大规模、高稳定性要求的集群场景，承担 Underlay 网络的规划、交付与运行保障： 1. 负责智算/云计算集群 Underlay 物理网络的规划设计、部署交付与持续优化，包括网络拓扑、设备选型、配置与调试。 2. 负责交换机、路由器、防火墙等网络设备的配置、变更与日常运维，保障网络稳定运行。 3. 参与集群网络的 上线、扩容、升级与迁移，确保对上层 Overlay 网络和业务影响可控。 4. 监控网络运行状态，参与网络值班，快速定位并处理物理网络层面的故障与异常。 5. 与 云网络 / SDN / Overlay 团队协作，支持其在 Underlay 之上的网络能力建设与问题排查。 6. 编写和维护网络相关文档，包括网络拓扑、配置说明、运维手册、故障复盘等。 7. 持续研究数据中心与智算网络相关技术，推动 Underlay 网络在稳定性、可扩展性和运维效率上的演进。
支持商汤SenseCore AI智算数据中心以及大模型应用开发平台等多产品的技术设计、开发工作； 开发并维护高可用，易扩展的后端服务； 优化后端服务的性能和可扩展性，分析并解决系统中的性能瓶颈； 设计和实现高效的 API 以及微服务架构，支持复杂的业务逻辑需求； 与前端、算法、DevOps 以及其他后端团队密切合作，共同推动技术解决方案的落地。
【我们提供】 1. 参与商汤自研智算云平台的底层核心研发，直接支撑大模型训练与AI基础设施建设； 2. 面对百亿参数级模型和超大规模集群的技术挑战，积累独特的工程经验； 3. 优秀的工程文化与导师机制，快速成长为系统架构师或平台负责人； 4. 行业内具竞争力的薪酬与晋升发展通道。 【岗位关键词】 IaaS / 云计算 / 分布式系统 / 存储 / 网络 / 容器 / Kubernetes / Ceph / SDN / RDMA / DPDK / eBPF / OpenStack / 智算云 / AI基础设施 【岗位职责】 作为商汤科技智算云核心基础设施团队成员，您将参与构建和优化支撑大规模AI训练与推理的IaaS底层平台，打造高性能、高可靠的云计算基础能力。主要工作包括： 一、计算方向： 1. 负责虚拟化/容器化计算资源调度系统的设计与开发（KVM、Docker、Kubernetes、OpenStack等）。 2. 优化GPU/CPU混合集群的资源利用率、任务调度和性能隔离机制。 二、存储方向： 1. 参与高性能分布式存储系统（Ceph、HDFS、NVMe over Fabrics等）的研发与优化。 2. 负责对象存储、块存储的性能调优与稳定性保障。 三、网络方向： 1. 设计并开发高性能虚拟网络系统，支持大规模AI训练与推理流量场景。 2. 参与SDN、RDMA、DPDK、eBPF 等前沿网络技术的研发与落地。 3. 在物理网络与 Fabric 层，通过工程化与自动化方式支撑云网络平台能力。 持续推进系统性能优化与架构演进，支撑智算中心规模化运营。
1. 负责 GPU 服务器的选型、准入测试和验收工作。 2. 分析 GPU 性能瓶颈并进行性能调优工作，定位并解决 GPU 和相关的硬件故障。 3. 负责构建稳定可靠的测试机制和测试系统，设计测试方案支撑上层业务系统。 4. 与产品研发团队协同配合，参与千卡/万卡集群互联的软硬件方案设计，解决新硬件和系统落地过程中的各类技术问题。 5. 持续跟进智算产业链的最新技术能力和硬件架构，设计出有竞争力的硬件解决方案，支持产品经理向客户输出硬件服务器的技术文档。 6. 结合 GPU 产品业务场景做成本和收益评估，确定技术方案以支撑算力迭代、资源折算、项目输出标准化方案制定等工作；