GPU测试工程师(J17106)

岗位职责
岗位职责：
1、使用标准化压测工具，对新上架的GPU服务器进行批量性能压测（包含NCCL allreduce、HBM、网卡、磁盘等基线测试），判断机器是否达到交付标准。
2、压测过程中识别硬件报错信息，根据报错内容准确判断故障部件（如GPU、内存、CPU、网卡、硬盘、主板等），并按流程报修给维修工程师。
3、跟踪维修全过程，对接RMA返修流程，负责故障恢复闭环，维修完成后进行复测验证。
4、配合二线团队完成服务器固件与驱动的批量变更验证（BIOS、BMC、网卡固件、GPU驱动等）及灰度发布后的回滚操作。
5、规范整理维修记录台账，记录故障现象、更换部件、返修单号、复测结果等关键数据，定期输出测试覆盖率、问题率等基础统计报表。

岗位要求
任职要求：
1、熟悉Linux操作系统，能熟练使用常用命令查看系统日志、硬件信息和网络状态（如dmesg、nvidia-smi、lspci、ipmitool、ethtool等）。
2、具备基础硬件故障识别能力，能根据常见报错判断故障方向
3、了解GPU服务器常见硬件组成（GPU、CPU、内存、SSD、网卡、电源等）。
4、有服务器产线测试、硬件维修或数据中心现场运维经验。
5、了解NVIDIA HGX系列（A100/H100等）服务器架构；能看懂SEL、MCE等硬件日志；有RMA返修流程对接经验；具备基本Shell脚本阅读能力。