GPU服务器运维工程师

岗位职责：我们主要负责A100 h100 h800 h20维保这一块，公司售出机器的保内售后的判断，更换部件，部署，这一块业务
1. 负责GPU服务器的安装、调试、上架、故障诊断及更换。
2. 定期检查硬件状态，确保设备稳定运行。
3. 配合供应商处理硬件保修或更换。
4. 管理大规模GPU集群，优化集群性能，解决网络通信、存储及算力调度问题。
5. 部署与维护监控系统，构建故障预警机制，设计HA测试方案。
6. 执行服务器硬件改配及软件适配，确保兼容性。
7. 参与智算中心交付，支持异构加速场景。
8. 编写运维手册、故障处理SOP及巡检报告，维护维修案例库。
9. 与研发、售前团队协作，解决复杂技术问题，提供客户技术培训及方案定制。
10. 探索前沿技术，优化运维自动化工具，提升故障处理效率。