岗位职责： 1. GPU 服务器的故障诊断、故障恢复、报修跟进与 RMA 流程对接 2. 机器上架压测与集群初始交付性能压测（NCCL allreduce、HBM、网卡、磁盘等基线） 3. 服务器固件与驱动批量变更（BIOS、BMC、网卡固件、GPU 驱动、Fabric Manager）的灰度发布与回滚 4. 厂商工具链（DCGM、Nsight、Fabric Manager 工具等）调研与平台集成 5. 异构 AI 加速卡的硬件层适配，包括 device plugin 接入、健康检测、固件管理 6. BMC / BIOS 参数调优 7. 与驻场团队、GPU 及 OEM 厂商的工单对接 任职要求： - 计算机科学与技术、电子工程、通信工程等计算机相关专业，本科及以上学历 - 3 年以上 GPU 服务器运维经验 - 熟悉主流 GPU 体系（NVLink / NVSwitch / Fabric Manager / SXM / HBM / DCGM） - 熟悉 IPMI、Redfish、BMC 等远程管理协议 - 熟悉 BIOS / UEFI 配置与服务器底层硬件（PCIe、NUMA 拓扑） - 熟悉 Linux 系统管理与基础性能调优 - 具备 Python 或 Shell 工具脚本开发能力 - 良好的故障定位思路与文档撰写习惯 加分项： - 大规模 数据中心GPU 服务器运维经验 - 国产 AI 加速卡运维经验 - 参与过机房布局规划建设 - 具有定制、改配服务器经验

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录