褚成志的简历中心

Appearance

💬 打招呼语

您好，本人有 6 年华为云原厂经验，主导过昇腾 910 NPU 算力集群运维与调优，具备 Kubernetes 集群调度、GPU/NPU 资源管理与性能优化实战经验；通过 HCCL RDMA 协议优化、动态批处理等手段，推理吞吐量提升约 40%；熟悉 Prometheus/Grafana 集群资源监控体系建设，有 Python 自动化运维开发能力。期待与您详聊。

avatar

褚成志简历 ​

联系方式： 13868166992 | 邮箱： livecityccz@163.com
GitHub： https://github.com/initchu | 博客： https://www.cnblogs.com/chucz
求职意向： AI基础设施运维工程师 / 算力平台运维 | 期望城市： 杭州

核心优势 ​

  • AI 推理集群运维与调优：主导 DeepSeek 大模型多机推理集群交付，负责昇腾 NPU 算力设备维护，通过 HCCL RDMA 协议启用、动态批处理、W8A8 量化推理等手段系统性优化推理性能，推理吞吐量与首 token 延迟均达到政务场景高并发调用标准
  • 算力资源管理与可观测性：具备 GPU/CPU/NPU 异构算力资源调度优化经验，构建 Prometheus+Grafana+ELK 全链路可观测性体系，建立标准化故障排查路径，P1 级故障快速定位止血
  • 自动化运维与稳定性保障：Python/Ansible 构建自动化运维工具，显著提升部署效率；建立分层变更风险评估机制，沉淀典型场景 SOP，通过混沌演练将潜在风险前置暴露
  • 跨领域技术背景：华为原厂TD技术经理项目交付与运维经验，电气工程专业背景与工业嵌入式开发经历，具有工业控制、物联网、能源互联网等项目经验，能快速适应 AI 算力基础设施运维开发工作

技术能力 ​

  • AI 基础设施：昇腾 NPU（910）调度优化、HCCL 通信库/RDMA、动态批处理、W8A8 量化推理、昇腾 Profiler、ModelArts、MindIE 推理引擎、DeepSeek/盘古大模型部署
  • 集群调度与编排：Kubernetes（集群运维/调度策略/HPA/RBAC）、Docker、CCE、Harbor；了解 Slurm 调度原理
  • 可观测性：Prometheus/Grafana、ELK、AOM/APM、告警编排与降噪
  • 自动化与 DevOps：Python（运维脚本）、Shell、Ansible、Jenkins、GitLab CI/CD
  • 云计算平台：华为云 Stack（HCS）IaaS/PaaS、OpenStack、KVM 虚拟化、SDN/VXLAN 网络
  • 中间件与数据库：Redis、Kafka、RocketMQ、MySQL、PostgreSQL
  • 嵌入式与工业协议：嵌入式开发、Linux shell、IEC104/Modbus/DL/T645/MQTT、边缘计算部署、IoT 设备接入与消息总线

工作经历 ​

华为技术有限公司 | 技术经理（华为云TD） | 2019.08 - 至今 | 杭州 ​

作为华为云原厂 TD，主导浙江区域大中型政企云项目从方案评审、交付实施到稳定运维的全流程。

  • AI 推理集群运维与调优：负责昇腾 910 NPU 算力设备维护与集群运维，主导 DeepSeek-R1 大模型多机推理集群交付；启用 HCCL RDMA 协议降低节点间通信延迟，通过动态批处理与 W8A8 量化推理提升吞吐量；部署昇腾 Profiler 分析算子执行热点，协助算法团队定位性能瓶颈
  • 集群监控与故障响应：构建 Prometheus+Grafana+ELK 全链路可观测平台；建立「日志→配置→资源→网络→周边依赖」标准排查路径，P1 级故障启动 WarRoom 响应，快速定位止血，主导历史遗留问题闭环
  • Kubernetes 集群运维：负责多个 K8s 容器平台交付与运维，熟悉集群调度策略、HPA 弹性扩缩容、RBAC 权限管控；推进传统应用容器化改造，保障训练/推理任务稳定运行
  • 自动化运维与稳定性保障：Python/Ansible 构建自动化运维工具，落实训练/推理混合调度方案；建立分层变更风险评估机制，沉淀应急切换、算力节点故障隔离等典型场景 SOP，通过混沌演练验证预案有效性

杭州中恒云能源互联网技术有限公司 | 解决方案工程师 | 2017.06 - 2019.06 | 杭州 ​

  • 参与能源互联网平台产品设计，负责数据采集组网方案规划、模块选型与通信协议开发对接，服务国网、华能等大型电网客户
  • 构建网关设备主动式运维体系，实现设备故障预判与智能调度，显著缩短运维响应时间

浙江新能量科技股份有限公司 | 软件工程师 | 2013.05 - 2017.06 | 杭州 ​

  • 负责 GDW376.1/IEC104 等电力通信规约嵌入式开发调试，优化协议解析引擎性能，具备从硬件驱动到应用层的全栈调试能力；设计低功耗嵌入式网关，支持 Modbus、IEC104、DL/T645 等多种工业协议

杭州新正软件技术有限公司 | 软件工程师 | 2011.01 - 2013.04 | 杭州 ​

  • 基于 Spring/Struts 开发企业级 Web 应用，负责权限控制与数据库查询性能优化

项目经验 ​

衢州数据局 DeepSeek 大模型多机推理项目 | 产品技术经理 | 2025/03 ​

国内较早落地的昇腾 NPU 多机多卡 DeepSeek-R1（671B MoE 满血版）生产推理项目，基于 HCS+ModelArts 架构完成方案设计与交付，解决昇腾适配、分布式通信、性能调优等核心工程难题，为政务场景提供高可用大模型推理服务。

技术栈： ModelArts、MindIE、DeepSeek-R1/V3、昇腾 910B NPU、Kubernetes、HCCL 通信库、MsModelSlim 量化工具、昇腾 Profiler

项目职责

  • 主导多机多卡分布式推理架构设计，规划张量并行策略与跨节点 HCCL RDMA 通信方案；完成昇腾驱动/CANN 版本适配、多节点 HCCN 网络互联调试及 FP8 权重到 BF16 的格式转换，逐一攻克昇腾环境特有的兼容性问题
  • POC 阶段采用 W8A8 量化方案完成可行性验证，生产阶段切换 BF16 满血部署，完整经历从验证到上线的全流程
  • 落地 MindIE Service 服务化配置，完成 OpenAI 兼容接口与客户侧业务系统集成
  • 部署昇腾 Profiler 监控体系，定位算子执行瓶颈与跨节点通信耗时，针对性调优 HCCL 缓冲区与 MoE 专家并行参数

项目业绩：衢州市首个全血版 DeepSeek 政务部署项目，671B MoE 模型在昇腾 NPU 集群上稳定运行；"衢州 AI"政务助手上线后接入市应急局、公安局、卫健委、教育局、发改委等 13 个政府部门，覆盖公文写作、知识库问答、智能体等核心政务场景

国网浙江省电力禾城外网云 | 产品技术经理 | 2023/10 ​

技术栈： 华为云 Stack（HCS8.0X）、OpenStack、FusionStorage、KVM 虚拟化、CCE、Prometheus/Grafana、MRS

项目职责

  • 跨版本升级零中断交付：主导 HCS 8.0.2→8.3.1 跨版本升级，制定版本演进方案，协调产品线完成组件兼容性验证，分批次完成控制节点、计算节点升级，全程业务零中断
  • 平台运维与网络优化：负责私有云平台日常运维与容量管理，推进物理机上架、存储扩容与网络变更；优化 VDC 建模与 SDN 网络模型，解决多租户间路由冲突，通过 vFW 策略实现南北向/东西向访问隔离

项目业绩：跨版本升级全程业务零中断，资源利用率显著提升，MTTR 大幅下降，平台持续稳定支撑电力核心业务运行

衢州市政务云国产化改造及上云交付项目 | 核心交付/迁移专家 | 2023/12 ​

技术栈： 华为云 Stack（鲲鹏架构）、政务云 IaaS/PaaS、统一监控体系（MO 平台）、CMDB、ITSM

项目职责

  • 国产化兼容性攻关：评估多项政务应用与鲲鹏架构的兼容性，识别依赖 x86 指令集的组件，制定逐应用改造方案与回滚预案，分批次完成迁移，规避业务中断风险
  • 运维体系从零构建：对接 MO 统一监控平台，配置计算/存储/网络资源采集指标与告警规则，覆盖 CPU 超载、磁盘 IO 异常、网络丢包等核心故障场景；制定标准运维流程，将依赖外包的运维工作转为政务云团队自主可控；联合安全厂商完成等保三级合规适配

项目业绩：多项政务应用平滑迁移至国产化平台，业务平滑过渡；项目团队迁移能力显著提升；通过等保三级测评

国网浙江省电力泛在电力物联网项目 | IoT 产品技术专家 | 2020/03 ​

技术栈： ROMA Connect、IoT 平台、边缘计算网关、HCS8.X、LVS/OBS、防火墙安全策略

项目职责

  • 多协议统一接入：通过 ROMA Connect 实现 IEC104/Modbus/DL/T645 多协议统一接入，打破能管、调度、营销系统间数据孤岛，实现电力数据跨系统实时共享
  • 网络规划与边缘运维变革：主导网络拓扑规划，完成多网段、VLAN、VRF 隔离，满足电力等保合规要求；实现 IoT 设备可信远程升级与容器化运维，替代人工现场运维模式

项目业绩：解决电力行业协议异构与数据孤岛问题，运维模式从被动响应转变为主动预警，设备运维效率显著提升

浙能智云私有云建设项目 | 产品与技术工程师 | 2019/12 ​

技术栈： 华为云 Stack、CCE、SDN/VXLAN、ROMA/MRS/RDS 等云服务、OBS、虚拟墙

项目职责

  • 平台架构规划与交付：主导 HCS8.X 平台 LLD 规划，输出网络拓扑、IP 规划、存储分区等详细设计文档；参与技术中台（ROMA/MRS）与数据中台（DGC/DWS）部署与配置调试
  • 容器迁移攻关与多租户隔离：排查 CCE 高阶服务组件启动失败问题，通过调整 Pod 资源配额与镜像版本兼容性解决部署异常；通过 VRF 实例与虚拟墙实现多租户网络隔离，应对跨版本升级变更并完成升级验证

项目业绩：提前完成基础底座、技术中台、数据中台交付，核心业务云化迁移全程无中断，实现租户间全维度安全隔离

教育背景 ​

重庆大学 | 本科 ​

电气工程及自动化专业

褚成志 · 简历中心

livecityccz@163.com · 13868166992