岗位职责：1.复杂故障深度诊断（1）针对搭载NVIDIAH100/H800/H200、AMDMI300等高端GPU的服务器，快速定位并修复硬件级故障（如GPU核心损坏、HBM显存异常、PCIe链路中断），熟练使用示波器、逻辑分析仪等工具进行电路级分析。（2）处理CUDA环境崩溃、驱动兼容性冲突等软件问题，优化AI框架（PyTorch/TensorFlow）在多GPU集群中的运行稳定性。2.性能调优与架构设计（1）基于AI大模型训练/推理场景，通过NVLink/NVSwitch配置、NCCL通信优化、内存带宽调优（如HBM2E/HBM3带宽绑定）提升集群算力利用率，目标达成硬件峰值算力的90%以上。（2）设计混合精度训练方案（FP16/FP8/INT8），结合TensorCore特性实现算子级优化（如Conv/GEMM稀疏化），降低训练能耗比。3.云原生集群管理（1）主导KubernetesGPU资源调度系统的落地，实现万卡级集群的故障自愈（如节点宕机自动迁移、GPU硬件健康状态实时监控），保障训练任务中断率低于0.5%。（2）开发自动化工具链（Ansible/Terraform），实现服务器固件升级、驱动部署、日志采集的全流程无人化。4.前沿技术落地与协作（1）参与Blackwell架构GPU（如H200）的预研测试，验证其在Transformer模型训练中的性能表现，输出硬件选型建议。（2）与芯片设计团队协作，针对国产GPU（如摩尔线程MTTS80）进行驱动适配和性能调优，构建国产化算力替代方案。任职要求：1.硬件与系统深度经验（1）5年以上GPU服务器运维或研发经验，至少主导过3个以上H100/A100集群的部署优化项目，熟悉GPU散热设计、机房环动和电源管理（12VHPWR接口兼容性）。（2）精通Linux内核调优（如NUMA节点绑定、IRQ亲和性），能通过NsightCompute分析CUDA内核性能瓶颈，提出寄存器分配、共享内存优化方案。2.云原生与分布式技术（1）熟练掌握KubernetesDevicePlugin机制，具备GPU虚拟化（如vGPU）和混部场景下的资源隔离经验，曾主导过超大规模集群（5000+节点）的稳定性保障工作。（2）熟悉InfiniBand网络配置（如ConnectX-6/7网卡），能通过OPA驱动优化RDMA通信延迟至微秒级，支持分布式训练中的跨节点数据同步。3.正向考核适配能力（1）具备强结果导向思维，过往绩效中至少3次超额完成技术指标（如集群GPU利用率提升20%以上、故障恢复时间缩短50%）。（2）英语流利（CET-6或等同水平），能独立对接海外团队完成技术方案落地，适应全球数据中心的短期出差（年均20%）。4.加分项（1）持有NVIDIA认证CUDA工程师（CCE）或Kubernetes认证管理员（CKA）资质。（2）参与过开源项目（如KubeEdge边缘计算、Horovod分布式训练框架）贡献者优先。岗位亮点：•接触全球先进的AI算力基础设施（如H200GPU集群）。•参与国家级算力网络建设项目，与中科院、高校联合攻关核心技术。•扁平化管理架构，技术决策直接影响公司战略方向。职业发展路径：•技术专家线：高级工程师→GPU架构师→AI基础设施总监（管理50人+团队）。•业务融合线：技术顾问→行业解决方案专家（覆盖金融/医疗/自动驾驶/环保等领域）。