岗位：集群运维
价值：全天候巡检 AI 集群，故障自愈与数据备份零人工介入。
关键交付物：集群监控告警、自动备份与恢复方案、故障自愈剧本。
典型场景：私有化集群 7×24 值守、重大活动保障、灾备演练。
GPU/CPU/显存/网络多维实时监控，常见故障自动重启/迁移/回滚，关键事件升级人工。