深圳·南山区
职位详情
AI Infrastructure Engineer（Staff / Principal）
方向：AI Platform / MLOps / Cloud + Edge AI
一、使命（What You’ll Help Build）
我们正在构建一套 从云到边缘（Cloud → Edge）的统一 AI 基础设施，
支撑：
● 大规模模型训练（GPU 集群）
● 大模型（LLM）在线服务
● 门店与仓储中的实时 AI（CCTV / 机器人 / IoT）
这不是一个传统的 MLOps 平台岗位，而是一个需要解决 多维复杂系统问题的工程挑战：
● 混合云（Public Cloud + IDC）
● 大规模算力调度
● 实时 AI 推理（低延迟 / 高并发 / 边缘部署）
● Cloud + Edge 协同（模型从训练 → 分发 → 边缘执行）
● 简单来说：把 AI 从“模型”变成“基础设施能力”。
二、岗位职责（What You Will Do）
1. 构建统一 AI 平台（MLOps + LLMOps） 设计并实现 AI 全生命周期平台（训练、评估、部署、服务） 推动 AI 能力平台化，支持多团队规模化使用
2. 构建高效的算力与训练系统 设计 GPU 集群调度与资源管理体系 优化分布式训练与推理性能（多机多卡 / 大模型）
3. 设计 Cloud + Edge 一体化架构 构建模型从云端训练 → 边缘部署 → 在线推理的闭环 支撑门店 / 仓储场景（视频分析、机器人等）
4. 构建可运营的 AI 基础设施（AI SRE） 建设可观测性、自动化运维与稳定性体系 提升系统在规模化场景下的可靠性与效率
三、任职要求（What We’re Looking For）
基础要求
1. 计算机科学、软件工程、电子工程或相关专业本科及以上学历；硕士及以上优先
2. 5年以上 AI Infra / MLOps / 分布式系统 / 平台工程经验
3. 扎实的系统能力（Kubernetes / Linux / 容器化 / 分布式系统设计）
4. 熟悉主流 AI 框架（如 PyTorch / TensorFlow） 能与算法、数据、应用及基础设施团队高效协作， 能清晰表达复杂技术问题，并推动跨团队达成共识与落地 5. 对系统具备端到端 ownership（设计、实现、运行与稳定性），能在不确定环境中推动复杂项目落地，并对结果负责 能快速学习并掌握新技术（如 LLM、Edge AI 等），对 AI Infra 领域保持持续关注，能够适应技术快速演进 .
核心能力（满足其中一部分即可）
1. MLOps / AI Platform（Kubeflow / Ray 等）
2. GPU / 分布式训练（DDP / Megatron / DeepSpeed）
3. AI 推理系统（高并发 / 低延迟）
4. LLM / GenAI 基础设施（Fine-tuning / Serving / RAG）
5. 混合云 / 多集群架构
加分项
1. CUDA / GPU 深度优化经验
2. Edge AI / 视频分析 / IoT / 机器人相关经验
3. TensorRT / ONNX 等推理优化经验
4. 有复杂系统（多集群 / 多地域 / 边缘）的设计经验 开源贡献或技术影响力
*为什么这个岗位值得做（Why This Role）
不是做一个平台，而是构建 AI 基础设施体系
同时解决：
大规模算力问题（GPU）
大模型问题（LLM）
真实世界问题（门店 / 仓储 / IoT）
覆盖从云到边缘的完整技术栈（极少见组合）
技术深度 + 业务影响力同时具备
方向：AI Platform / MLOps / Cloud + Edge AI
一、使命（What You’ll Help Build）
我们正在构建一套 从云到边缘（Cloud → Edge）的统一 AI 基础设施，
支撑：
● 大规模模型训练（GPU 集群）
● 大模型（LLM）在线服务
● 门店与仓储中的实时 AI（CCTV / 机器人 / IoT）
这不是一个传统的 MLOps 平台岗位，而是一个需要解决 多维复杂系统问题的工程挑战：
● 混合云（Public Cloud + IDC）
● 大规模算力调度
● 实时 AI 推理（低延迟 / 高并发 / 边缘部署）
● Cloud + Edge 协同（模型从训练 → 分发 → 边缘执行）
● 简单来说：把 AI 从“模型”变成“基础设施能力”。
二、岗位职责（What You Will Do）
1. 构建统一 AI 平台（MLOps + LLMOps） 设计并实现 AI 全生命周期平台（训练、评估、部署、服务） 推动 AI 能力平台化，支持多团队规模化使用
2. 构建高效的算力与训练系统 设计 GPU 集群调度与资源管理体系 优化分布式训练与推理性能（多机多卡 / 大模型）
3. 设计 Cloud + Edge 一体化架构 构建模型从云端训练 → 边缘部署 → 在线推理的闭环 支撑门店 / 仓储场景（视频分析、机器人等）
4. 构建可运营的 AI 基础设施（AI SRE） 建设可观测性、自动化运维与稳定性体系 提升系统在规模化场景下的可靠性与效率
三、任职要求（What We’re Looking For）
基础要求
1. 计算机科学、软件工程、电子工程或相关专业本科及以上学历；硕士及以上优先
2. 5年以上 AI Infra / MLOps / 分布式系统 / 平台工程经验
3. 扎实的系统能力（Kubernetes / Linux / 容器化 / 分布式系统设计）
4. 熟悉主流 AI 框架（如 PyTorch / TensorFlow） 能与算法、数据、应用及基础设施团队高效协作， 能清晰表达复杂技术问题，并推动跨团队达成共识与落地 5. 对系统具备端到端 ownership（设计、实现、运行与稳定性），能在不确定环境中推动复杂项目落地，并对结果负责 能快速学习并掌握新技术（如 LLM、Edge AI 等），对 AI Infra 领域保持持续关注，能够适应技术快速演进 .
核心能力（满足其中一部分即可）
1. MLOps / AI Platform（Kubeflow / Ray 等）
2. GPU / 分布式训练（DDP / Megatron / DeepSpeed）
3. AI 推理系统（高并发 / 低延迟）
4. LLM / GenAI 基础设施（Fine-tuning / Serving / RAG）
5. 混合云 / 多集群架构
加分项
1. CUDA / GPU 深度优化经验
2. Edge AI / 视频分析 / IoT / 机器人相关经验
3. TensorRT / ONNX 等推理优化经验
4. 有复杂系统（多集群 / 多地域 / 边缘）的设计经验 开源贡献或技术影响力
*为什么这个岗位值得做（Why This Role）
不是做一个平台，而是构建 AI 基础设施体系
同时解决：
大规模算力问题（GPU）
大模型问题（LLM）
真实世界问题（门店 / 仓储 / IoT）
覆盖从云到边缘的完整技术栈（极少见组合）
技术深度 + 业务影响力同时具备
2026-07-29 13:25
IP属地：广东
职位福利
本科经验不限
举才网（深圳）信息咨询有限公司
工作地址
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
