崗位職責(zé)：我們主要負(fù)責(zé)A100 h100 h800 h20維保這一塊，公司售出機(jī)器的保內(nèi)售后的判斷，更換部件，部署，這一塊業(yè)務(wù)
1. 負(fù)責(zé)GPU服務(wù)器的安裝、調(diào)試、上架、故障診斷及更換。
2. 定期檢查硬件狀態(tài)，確保設(shè)備穩(wěn)定運(yùn)行。
3. 配合供應(yīng)商處理硬件保修或更換。
4. 管理大規(guī)模GPU集群，優(yōu)化集群性能，解決網(wǎng)絡(luò)通信、存儲及算力調(diào)度問題。
5. 部署與維護(hù)監(jiān)控系統(tǒng)，構(gòu)建故障預(yù)警機(jī)制，設(shè)計HA測試方案。
6. 執(zhí)行服務(wù)器硬件改配及軟件適配，確保兼容性。
7. 參與智算中心交付，支持異構(gòu)加速場景。
8. 編寫運(yùn)維手冊、故障處理SOP及巡檢報告，維護(hù)維修案例庫。
9. 與研發(fā)、售前團(tuán)隊協(xié)作，解決復(fù)雜技術(shù)問題，提供客戶技術(shù)培訓(xùn)及方案定制。
10. 探索前沿技術(shù)，優(yōu)化運(yùn)維自動化工具，提升故障處理效率。