服务器运维工程师（GPU方向）

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