岗位职责

1. 兼容性测试：制定并执行GPU服务器全组件兼容性测试方案，涵盖GPU（如NVIDIA A和H系列、昇腾系列、寒武纪系列等）、CPU、内存、存储、网络等硬件，以及CUDA、cuDNN、操作系统（Linux/Windows）、AI框架（PyTorch、TensorFlow等）的兼容性测试，定位并解决组件间的冲突问题。

2. 性能测试与优化：设计并实施AI大模型训练与推理场景下的性能测试用例，包括吞吐量、延迟、能效比等指标分析；基于测试结果提出硬件选型优化建议（如GPU集群拓扑调整、内存带宽升级）与软件配置优化方案（如AI框架参数调优、分布式训练策略改进）。

3. AI大模型部署：负责在GPU服务器上完成主流AI大模型（如LLaMA、Deepseek等）的部署、调优与测试，确保模型在服务器环境中的高效运行。

4. 性能评估与分析：建立AI大模型训练和推理场景下的GPU服务器性能评估体系，通过基准测试（如MLPerf）、压力测试等手段，输出专业性能评估报告；结合业务需求，为服务器采购、架构设计提供数据支撑。

5. 技术创新与协作：跟踪GPU技术、AI框架、大模型算法的最新进展，探索新技术在服务器测试中的应用。

任职要求

1. 学历与经验：计算机、电子信息、人工智能等相关专业本科及以上学历；5年以上GPU服务器测试经验，3年以上AI大模型训练或推理场景下的测试与优化经验。

2. 技术能力：

- 精通GPU服务器硬件架构（PCIe、NVLink、高速网络）与组件兼容性测试方法，熟悉主流GPU型号的特性与性能瓶颈。

- 熟练使用性能测试工具，具备深度性能分析与调优能力； 掌握GPU测试方法及原理，掌握了解P2P、GPU虚拟化、NCLL等测试；熟悉了解MLPerf、CNN模型、Transformer等模型，了解深入学习、机器学习测试方法，掌握模型量化、剪枝等优化技术。

- 熟悉Linux系统内核、资源调度机制，具备系统级性能问题定位能力。

3. 项目经验：主导过AI大模型（如Transformer架构）在GPU集群上的训练/推理性能测试项目，成功解决过至少2个以上的性能优化案例。

其他要求：具备良好的逻辑分析与问题解决能力；有优秀的跨团队协作与沟通能力；对新技术有强烈探索欲，能快速学习和适应行业变化；持有相关认证（如NVIDIA认证、MLPerf认证）者优先。