主分类：生产运维与可靠性工程
辅助：AI训练推理与计算优化（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "基础设施与稳定性工程-SRE-AI算力资源池GPU方向",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-运维"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机科学、软件工程或相关领域本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们是专注于大模型服务平台的技术团队，我们的核心业务是提供高效稳定的大模型推理服务API，帮助各行各业轻松利用大模型的强大能力，正在寻找一位有实力的Site Reliability Engineer (SRE) 加入我们，共同打造更可到的大模型服务平台。\n负责AI基础设施算力资源的规划、运营管理与精细化数据体系建设。通过系统化、数据化方法提升GPU资源利用率、周转率与成本效益，保障AI训练/推理任务的高效稳定运行，支撑业务快速发展。\n【工作职责】\n1.大模型服务和平台的稳定性保障与体系建设：负责大模型相关核心业务系统和模型服务的稳定性建设工作，提升业务可用性与可靠性;\n2.高并发流量治理：高并发场景下的流量治理方案设计与实施，包括熔断、限流、降级等容灾策略，确保业务弹性与鲁棒性;\n3.GPU算力资源规划与运营管理：包含不限于优化GPU资源配置模型，平衡计算性能与成本，推动资源采购决策与部署策略落地，优化GPU资源配置模型，平衡计算性能与成本，推动资源采购决策与部署策略落地；\n4.运维流程优化和自动化：推动运维自动化与平台化建设，提升研发效率;\n5.架构高可用建设：业务系统稳定性架构方案的设计与实施，推动高可用架构落地，规避系统性风险;\n6.应急响应：响应系统故障，快速诊断并恢复服务，分析原因并提出预防性改进措施;",
"requirements_text": "1.计算机科学、软件工程或相关领域本科及以上学历，硕士优先。具备5年以上的云服务或站点稳定性工作经验，有AI Infra经验者优先；\n2.熟悉AI基础设施架构、服务器硬件（如CPU/GPU芯片微架构）、网络协议（TCP/IP、RDMA、InfiniBand），对公共云服务平台（如 阿里云、AWS、Azure等）有深入理解和实战经验；\n3.熟练掌握Kubernetes及云原生架构及技术原理，有大规模生产集群的部署、调优及故障解决经验；\n4.对于AIGC或LLM有了解和实际开发经验者优先；有开源生态建设相关经验者优先；\n5.熟悉至少一种编程语言（如Golang、Python、Shell），有AI Native的相关经验和项目经历者优先；\n6.具备优秀的逻辑分析能力与系统性思维，对技术敏感度高，有强烈的责任心和抗压能力，适应快节奏业务场景，具备优秀的沟通能力、执行力和解决问题的能力。\n加分项：\n1. 3年以上基础设施运维或资源管理经验，有AI基础设施、服务器管理或高性能网络经验优先，有研发背景优先；\n2.有GPU资源调度系统、GPU服务稳定性工作或NVIDIA GPU架构与CUDA经验者优先；\n3.有云原生技术（如Serverless、Service Mesh）落地经验或开源项目贡献者优先。",
"skills": [AI生成
"Python",
"Golang",
"Kubernetes",
"CUDA",
"沟通能力",
"解决问题",
"分析能力"
],
"preferred_qualifications": "1.计算机科学、软件工程或相关领域本科及以上学历，硕士优先；具备5年以上的云服务或站点稳定性工作经验，有AI Infra经验者优先；4.对于AIGC或LLM有了解和实际开发经验者优先；有开源生态建设相关经验者优先；5.熟悉至少一种编程语言（如Golang、Python、Shell），有AI Native的相关经验和项目经历者优先；加分项：；1. 3年以上基础设施运维或资源管理经验，有AI基础设施、服务器管理或高性能网络经验优先，有研发背景优先；2.有GPU资源调度系统、GPU服务稳定性工作或NVIDIA GPU架构与CUDA经验者优先；3.有云原生技术（如Serverless、Service Mesh）落地经验或开源项目贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100018420005"
}
]
},
"posting": {
"posting_id": "100018420005",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100018420005"
},
"fulltext": "基础设施与稳定性工程-SRE-AI算力资源池GPU方向\n基础设施与稳定性工程-SRE-AI算力资源池GPU方向\n\n基础信息\n职位类别：技术类-运维\n工作地点：北京 / 杭州\n\n职位描述\n我们是专注于大模型服务平台的技术团队，我们的核心业务是提供高效稳定的大模型推理服务API，帮助各行各业轻松利用大模型的强大能力，正在寻找一位有实力的Site Reliability Engineer (SRE) 加入我们，共同打造更可到的大模型服务平台。\n负责AI基础设施算力资源的规划、运营管理与精细化数据体系建设。通过系统化、数据化方法提升GPU资源利用率、周转率与成本效益，保障AI训练/推理任务的高效稳定运行，支撑业务快速发展。\n【工作职责】\n1.大模型服务和平台的稳定性保障与体系建设：负责大模型相关核心业务系统和模型服务的稳定性建设工作，提升业务可用性与可靠性;\n2.高并发流量治理：高并发场景下的流量治理方案设计与实施，包括熔断、限流、降级等容灾策略，确保业务弹性与鲁棒性;\n3.GPU算力资源规划与运营管理：包含不限于优化GPU资源配置模型，平衡计算性能与成本，推动资源采购决策与部署策略落地，优化GPU资源配置模型，平衡计算性能与成本，推动资源采购决策与部署策略落地；\n4.运维流程优化和自动化：推动运维自动化与平台化建设，提升研发效率;\n5.架构高可用建设：业务系统稳定性架构方案的设计与实施，推动高可用架构落地，规避系统性风险;\n6.应急响应：响应系统故障，快速诊断并恢复服务，分析原因并提出预防性改进措施;\n\n职位要求\n1.计算机科学、软件工程或相关领域本科及以上学历，硕士优先。具备5年以上的云服务或站点稳定性工作经验，有AI Infra经验者优先；\n2.熟悉AI基础设施架构、服务器硬件（如CPU/GPU芯片微架构）、网络协议（TCP/IP、RDMA、InfiniBand），对公共云服务平台（如 阿里云、AWS、Azure等）有深入理解和实战经验；\n3.熟练掌握Kubernetes及云原生架构及技术原理，有大规模生产集群的部署、调优及故障解决经验；\n4.对于AIGC或LLM有了解和实际开发经验者优先；有开源生态建设相关经验者优先；\n5.熟悉至少一种编程语言（如Golang、Python、Shell），有AI Native的相关经验和项目经历者优先；\n6.具备优秀的逻辑分析能力与系统性思维，对技术敏感度高，有强烈的责任心和抗压能力，适应快节奏业务场景，具备优秀的沟通能力、执行力和解决问题的能力。\n加分项：\n1. 3年以上基础设施运维或资源管理经验，有AI基础设施、服务器管理或高性能网络经验优先，有研发背景优先；\n2.有GPU资源调度系统、GPU服务稳定性工作或NVIDIA GPU架构与CUDA经验者优先；\n3.有云原生技术（如Serverless、Service Mesh）落地经验或开源项目贡献者优先。\n我们是专注于大模型服务平台的技术团队，我们的核心业务是提供高效稳定的大模型推理服务API，帮助各行各业轻松利用大模型的强大能力，正在寻找一位有实力的Site Reliability Engineer (SRE) 加入我们，共同打造更可到的大模型服务平台。\n负责AI基础设施算力资源的规划、运营管理与精细化数据体系建设。通过系统化、数据化方法提升GPU资源利用率、周转率与成本效益，保障AI训练/推理任务的高效稳定运行，支撑业务快速发展。\n【工作职责】\n1.大模型服务和平台的稳定性保障与体系建设：负责大模型相关核心业务系统和模型服务的稳定性建设工作，提升业务可用性与可靠性;\n2.高并发流量治理：高并发场景下的流量治理方案设计与实施，包括熔断、限流、降级等容灾策略，确保业务弹性与鲁棒性;\n3.GPU算力资源规划与运营管理：包含不限于优化GPU资源配置模型，平衡计算性能与成本，推动资源采购决策与部署策略落地，优化GPU资源配置模型，平衡计算性能与成本，推动资源采购决策与部署策略落地；\n4.运维流程优化和自动化：推动运维自动化与平台化建设，提升研发效率;\n5.架构高可用建设：业务系统稳定性架构方案的设计与实施，推动高可用架构落地，规避系统性风险;\n6.应急响应：响应系统故障，快速诊断并恢复服务，分析原因并提出预防性改进措施;\n1.计算机科学、软件工程或相关领域本科及以上学历，硕士优先。具备5年以上的云服务或站点稳定性工作经验，有AI Infra经验者优先；\n2.熟悉AI基础设施架构、服务器硬件（如CPU/GPU芯片微架构）、网络协议（TCP/IP、RDMA、InfiniBand），对公共云服务平台（如 阿里云、AWS、Azure等）有深入理解和实战经验；\n3.熟练掌握Kubernetes及云原生架构及技术原理，有大规模生产集群的部署、调优及故障解决经验；\n4.对于AIGC或LLM有了解和实际开发经验者优先；有开源生态建设相关经验者优先；\n5.熟悉至少一种编程语言（如Golang、Python、Shell），有AI Native的相关经验和项目经历者优先；\n6.具备优秀的逻辑分析能力与系统性思维，对技术敏感度高，有强烈的责任心和抗压能力，适应快节奏业务场景，具备优秀的沟通能力、执行力和解决问题的能力。\n加分项：\n1. 3年以上基础设施运维或资源管理经验，有AI基础设施、服务器管理或高性能网络经验优先，有研发背景优先；\n2.有GPU资源调度系统、GPU服务稳定性工作或NVIDIA GPU架构与CUDA经验者优先；\n3.有云原生技术（如Serverless、Service Mesh）落地经验或开源项目贡献者优先。",
"standard_classification": {
"std_category_code": "T020",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}