崗位職責：我們主要負責A100 h100 h800 h20維保這一塊，公司售出機器的保內售后的判斷，更換部件，部署，這一塊業(yè)務
1. 負責GPU服務器的安裝、調試、上架、故障診斷及更換。
2. 定期檢查硬件狀態(tài)，確保設備穩(wěn)定運行。
3. 配合供應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，解決網絡通信、存儲及算力調度問題。
5. 部署與維護監(jiān)控系統(tǒng)，構建故障預警機制，設計HA測試方案。
6. 執(zhí)行服務器硬件改配及軟件適配，確保兼容性。
7. 參與智算中心交付，支持異構加速場景。
8. 編寫運維手冊、故障處理SOP及巡檢報告，維護維修案例庫。
9. 與研發(fā)、售前團隊協(xié)作，解決復雜技術問題，提供客戶技術培訓及方案定制。
10. 探索前沿技術，優(yōu)化運維自動化工具，提升故障處理效率。