深圳 ra 招聘（工资待遇要求）

1. 云基础设施与云原生平台建设​
负责公司云基础设施、AI/GPU 计算平台以及机器人端云系统的稳定性建设，保障研发、生产及业务系统高可用运行。 ​
负责 Kubernetes 云原生平台建设与运维，包括集群规划、部署、升级、资源管理、性能优化及故障排查。 ​
负责公有云基础设施建设和优化，管理腾讯云、火山引擎等云资源，包括计算、网络、存储、安全和权限体系。 ​
负责 GPU/AI 基础设施建设与运营，支持模型训练、推理及 AI 应用运行，提升 GPU 利用率、计算效率和资源投入产出比（ROI）。 ​
​
​
2. 机器人端云稳定性与可观测体系建设​
负责机器人端云系统稳定性保障，支撑机器人设备连接、数据通信、远程服务、OTA 等业务可靠运行。 ​
建设统一可观测体系，覆盖云基础设施、Kubernetes、GPU 集群、AI 服务及机器人云服务，包括监控、日志、链路追踪和告警体系。 ​
建设业务与基础设施监控体系，提升故障发现、定位和恢复效率。 ​
​
​
3. 基础设施资源治理与效率优化​
建设基础设施资源治理体系，持续分析和优化云资源、Kubernetes 集群、GPU、存储及网络资源利用率。 ​
推动资源容量管理、成本优化和 ROI 提升，提高基础设施投入产出效率。 ​
通过资源调度优化、弹性伸缩和自动化治理降低资源浪费。 ​
​
​
4. 研发交付平台协同与运行保障​
与系统集成工程师（研发效能）协作，保障软件从构建、发布到生产运行过程中的环境稳定性和运行可靠性。 ​
负责软件部署环境、运行平台及相关基础设施能力建设，为后端服务、机器人云服务及 AI 应用提供稳定运行环境。 ​
负责 CI/CD 运行基础设施的建设与维护，包括 Jenkins、GitLab CI、GitHub Actions、ArgoCD 等工具链的运行保障。 ​
支持软件发布过程中的环境准备、部署验证、配置管理、运行问题定位及故障恢复。 ​
支持软件版本发布、灰度部署、回滚恢复等生产稳定性保障工作。 ​
与系统集成工程师共同推动研发交付流程标准化，提升软件交付效率、发布质量和系统运行稳定性。​
​
​
5. 自动化运维与稳定性工程​
推动自动化运维体系建设，包括自动化部署、自动化巡检、自动扩缩容、自动故障恢复等能力。 ​
负责线上故障响应、问题定位、根因分析（RCA）及稳定性改进，持续提升系统可靠性。 ​
建立和完善 SLI/SLO、监控告警、故障复盘等稳定性体系。 ​
通过平台化和自动化手段降低运维复杂度，提高系统运行效率。​
​
​
任职要求​
- 本科及以上学历，计算机、软件工程、电子信息等相关专业，5 年以上 SRE、DevOps、云平台或大型系统运维经验。
- 精通 Linux 系统原理、Kubernetes 云原生体系及分布式系统，具备生产环境架构设计、部署、运维和故障处理经验。
- 精通 Kubernetes 生态，包括集群架构设计、集群运维、资源调度、网络、存储、Ingress、Helm、服务治理等核心能力，具备大规模生产环境实践经验。
- 精通 Docker 及容器化技术，熟悉容器运行时、镜像管理、安全隔离和性能优化。
- 熟悉腾讯云、火山引擎、阿里云、AWS 等主流公有云平台，具备云资源规划、架构优化、容量管理和成本治理经验。
- 熟悉基础设施自动化和配置管理工具，如 Terraform、Ansible，以及 Shell、Python、Go 等脚本或开发语言，具备自动化运维平台建设能力。
- 熟悉 CI/CD 工具链和软件交付流程，包括 Jenkins、GitLab CI、GitHub Actions、ArgoCD 等，具备发布环境建设和持续交付实践经验。
- 熟悉可观测体系建设，包括 Prometheus、Grafana、ELK/OpenSearch、分布式链路追踪系统等，具备监控体系设计、告警治理和故障分析能力。
- 具备 GPU/AI Infra 相关经验，了解 GPU 集群管理、AI 计算资源调度、模型训练及推理服务运行环境。
- 具备资源治理和成本优化意识，能够通过技术手段提升云资源利用率、GPU 利用率、集群调度效率和基础设施 ROI。
- 具备较强的问题分析、技术推动和跨团队协作能力。
---
加分项
- 有机器人、IoT、智能硬件或 ToC 产品稳定性建设经验。
- 有机器人云平台、设备管理平台、OTA 系统建设经验。
- 有大规模 Kubernetes 集群运维经验。
- 有 GPU 集群、AI Infra、大模型训练/推理平台建设经验。
- 熟悉 NVIDIA GPU、CUDA、Kubernetes GPU 调度体系。
- 有多云/混合云架构建设经验。
- 有 FinOps 或云资源成本治理经验。
- 有从 0 到 1 建设 SRE 平台、可观测平台经验。