崗位職責
1. 負責 AIDC機房運維團隊的日常管理、工作分配與績效考核
，帶領團隊保障 7×24 小時穩定運行。
2. 製定並完善機房運維製度、標準化作業流程、應急預案及安全管理規範。
3. 協調廠商
、客戶

、工程團隊，統籌處理機房運維相關的跨部門事務。
4. 全麵負責機房供配電係統、UPS、PDU、精密空調、液冷/浸沒式冷卻、消防係統等設施的運行、巡檢、維護與優化。
5. 監督機房設備上架
、布線、標簽管理
、資產登記等操作，確保部署規範
、線路整齊、安全可控。
6. 管控機房溫濕度
、功率分布及環境監控係統

，及時處理各類機房告警。
7. 管理並維護 GPU/CPU 混合算力節點、並行存儲係統（Ceph、Lustre、BeeGFS）、高速網絡（25G/100G

、InfiniBand
、RDMA）等核心設備。
8. 負責集群調度係統（Slurm、Kubernetes GPU Operator）的穩定運行與資源優化分配。
9. 製定機房及算力中心的安全策略
，包括物理安全、數據安全及訪問控製。
10. 監督落實應急演練、災備切換、事故調查與複盤機製。
11. 對運維風險進行分析評估，提出優化與改進建議，降低運維事故發生率。

任職要求
1. 計算機、通信、電子、自動化或相關專業
，本科及以上學曆，5 年以上數據中心或 HPC 集群運維經驗，其中 2 年以上團隊管理經驗。
2. 熟悉機房基礎設施運行原理與維護方法，具備 IDC 項目管理與改造經驗。
3. 精通 Linux 係統管理與網絡架構
，掌握高速網絡（InfiniBand、RDMA）運維技術。
4. 熟悉 GPU 服務器及 HPC 集群運行原理，有 AI 算力平台運維或優化經驗優先。
5. 具備良好的組織協調能力、跨部門溝通能力與團隊領導力。
6. 有運維自動化
、監控平台建設經驗（Prometheus、Zabbix、Ansible 等）者優先。
7. 持有相關認證（如 NVIDIA NVAIE、RHCE
、HCIE-Cloud、Uptime ATD）者優先考慮。