高级 GPU 基础设施工程师 - 美国远程
负责 Vultr 面向 AI 训练和推理的 GPU 基础设施验证、性能优化与可靠性建设。您将负责新硬件认证、分布式系统故障排查，并持续改进大规模集群自动化。
描述
- 设计并扩展支持 AI 训练和推理工作负载的 GPU 基础设施
- 负责 GPU 集群及新引入硬件平台的端到端验证
- 主导新 GPU 平台的认证和初始部署工作
- 识别并解决 GPU、CPU、PCIe 和网络各层的性能瓶颈
- 创建并维护验证框架、测试套件和性能基准
- 构建并改进集群配置及验证流程的自动化
- 设定性能目标并定义可重复的验证方法
- 诊断复杂的分布式系统问题，包括涉及 NCCL 等库的问题
- 通过预防性测试和性能调优提升系统可靠性
- 指导工程师并拓展团队的技术能力
- 协调跨职能工作，提高 GPU 集群的可靠性和效率
任职要求
- 至少五年 GPU 基础设施、高性能计算或分布式系统相关经验
- 深入了解 Linux 系统和服务器硬件
- 具备运营或支持大规模 GPU 集群的实际经验
- 具备超越基础脚本编写的扎实 Python 编程能力
- 具备 Ansible 或同类自动化框架的实践经验
- 具备为 GPU 基础设施建立验证标准和性能基线的经验
- 具备跨硬件、操作系统和网络层进行故障排查的能力
- 了解高速网络相关概念
- 具备清晰的沟通能力和跨团队协作意识
- 居住在美国
- 拥有在美国合法工作的资格
- 必须说明是否需要就业签证赞助
福利待遇
- 公司承担员工医疗、牙科和视力保险保费的 100%
- 401(k) 按员工缴费的 100% 进行匹配，匹配上限为 4%，并立即归属
- 每年最高 2,500 美元的职业发展费用报销
- 11 天带薪节假日、累积带薪休假以及带薪休假结转
- 工作满三周年和十周年后可获得额外带薪休假
- 每五年享有一个月的带薪休假
- 年度周年奖金
- 首年提供 500 美元远程办公设备补贴，此后每年提供 400 美元
- 每月最高 75 美元的网络费用报销
- 每月最高 50 美元的健身房会员费报销
- 公司承担 Wellable 订阅费用