NVIDIA 維保工程師招聘信息

職位名 NVIDIA 硬件維保工程師（全職/駐場）

工作地點
[重慶]（可接受國內重點數據中心駐場）

崗位職責
1. 硬件維護
- 負責 NVIDIA H200H100 H800等設備， HGX 系統的日常巡檢、故障診斷與硬件更換（GPU、NVLink、電源模塊等）。
- 執行固件升級（如從 HGX 1.5.0 升級至 1.7.0），確保兼容性與穩定性。
2. 故障處理
- 快速響應客戶報修，解決 HBM3e內存異常、NVLink通信中斷、液冷系統泄漏等典型問題。
- 分析日志（如 BMC/IPMI 日志），定位硬件或驅動層故障。
3. 性能優化
- 配合客戶完成 MLPerf/ResNet 基準測試，調優 CUDA 12.5+ 環境下的計算性能。
- 優化 多節點集群（8-GPU及以上）的 InfiniBand/RDMA 網絡配置。
4. 文檔與培訓
- 編寫維保報告、SOP操作手冊，并對客戶進行基礎技術培訓。

任職要求
硬性條件
- 學歷：大專及以上，計算機/電子工程/自動化相關專業。
- 經驗：
- 3年以上 服務器/GPU 硬件維保經驗，熟悉 NVIDIA Tesla/HGX 系列優先。
- 至少參與過 1次HGX架構升級項目。
- 技能：
- 熟練使用 NVFlash、nvidia-smi、DCGM 等工具。
- 能解讀 PCIe/NVLink 拓撲錯誤（如 `lspci -tv` 輸出）。
- 了解 液冷系統 基本維護（如管路密封性檢測）。
- 基礎Python/Bash腳本能力
優先項
- 持有 **NVIDIA 認證工程師（NCA/NCIP)或 華為/浪潮服務器認證。
- 熟悉 Kubernetes/Slurm 在GPU集群中的管理。

薪資福利
- 薪資范圍：15K-30K/月（視經驗+認證）。
- 福利：
- 五險 + 技術培訓。
- 差旅覆蓋（全國重點數據中心技術支持需求）。
- 提供 H200/HGX 1.7.0 真機實操環境。

工作場景示例
- 客戶報修：“H200節點訓練任務突然中斷，`dmesg` 顯示 `NVLink CRC Error`。”
- 你的行動：
1. 通過 Base Command Manager 檢查GPU狀態。
2. 更換故障NVLink橋接器，重新校準鏈路。
3. 執行 nccl-test 驗證多卡通信恢復。

應聘方式
1. 簡歷投遞：******************（標題：H200維保-姓名-3年經驗）。
2. 附上：
- 過往處理的 GPU相關故障案例（描述+解決過程）。
- 證書掃描件（如有）。

注：本崗位需接受 7×24小時緊急響應（月度輪值制）。