GMI Cloud 招聘基础设施工程师 - SRE

我们正在寻找一名熟练的系统可靠性工程师加入 GMI 全球基础设施团队。该职位需要hands-on（动手）且关键，确保大规模高性能 AI/ML 集群在数据中心的稳定性、效率和可靠性。理想的候选人将具备系统级故障排除、AI 集群维护和运营卓越性的经验，确保基础设施的最佳性能。具有大规模基础设施自动化经验者优先。

学士学位，计算机科学或相关领域；3年以上数据中心运营、基础设施或系统工程经验；具备系统可靠性工程和基础设施自动化（如 Ansible、Terraform）经验；熟悉容器编排平台（如 Kubernetes、Nvidia GPU operator、Nvidia Network operator、CNI、CSI）和作业调度系统（如 Slurm）；熟悉 Linux 系统管理及脚本（Python、Bash）；熟悉日志和监控工具（如 Prometheus、Grafana、Loki）；具备 GPU 架构、Nvidia CUDA、NCCL 或相关 AI/ML 框架知识为加分项；具备强大的故障排除技能和分析系统日志及性能指标能力；优秀的沟通和团队合作能力。

无

GMI 是一家快速发展的 AI 基础设施初创公司，位于硅谷，致力于推动人工智能的未来技术。我们为开发者、初创企业和企业提供可扩展的 GPU 云和推理解决方案，帮助 AI 构建者将想法变为现实。

无