岗位职责：
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。

岗位要求：
1. 计算机、电子工程、通信等相关专业，本科及以上学历；3年以上GPU服务器维护或数据中心运维经验。
2. 精通GPU服务器拆装、故障诊断，掌握焊接工具及备件管理，熟悉服务器BMC管理。
3. 熟练使用Linux命令行，掌握自动化工具、监控平台及集群管理工具；熟悉Python/Shell脚本开发。
4. 理解网络协议、RDMA原理，掌握集群文件系统部署与调优，熟悉接口规范。
5. 具备快速故障定位能力，能在7×24小时轮值中响应紧急事件；良好的客户沟通能力，适应定制化服务需求。