硬件维修经理021

一、岗位要求

1、主要负责AI算力服务器产品相关GPU模组的硬件故障检测、分析定位与维修。产品涉及H100/A100/B300/5090/PRO6000D/国产GPU卡等。

2、协助AI算力服务器在客方现场上架验收过程中的功能验证、压力测试、PXE装备测试保障工作，负责现场GPU模组问题排查定位、验收日志报告整理核对的工作。

3、负责客户现场技术支持， BMC、IPMI、BIOS、操作系统及NVIDIA相关日志，结合硬件告警和测试结果，快速定位故障点并判断故障根因。

4、配合研发、测试、供应链及项目团队处理重大故障，支撑算力集群建设、交付和维保工作。

、任职要求

1、本科及以上学历，具有2年以上服务器硬件维修、测试或技术支持经验，具备独立处理GPU服务器硬件故障的能力。

2、熟练使用万用表、示波器、烙铁、热风枪、DC电压源、信号源仪表等通用维修仪器仪表；熟悉原理图主流专业工具（AD、Candence OrCAD+Allegro）,独立查看原理图和PCB测试维修点位。

3、熟悉服务器基本架构，了解CPU、内存、GPU、PCIe、NVMe、网卡、电源和散热系统的工作原理。

4、熟悉NVIDIA GPU服务器架构，了解NVLink、NVSwitch、PCIe拓扑及GPU互联机制。

5、熟悉市场主流服务器测试与诊断工具，例如：NVIDIA DCGM、nvidia

smi、Field Diagnostic、NVQual、NVBandwidth、CUDA Samples、stress

ng、memtester、fio、iperf、MFT。

6、熟悉Linux操作系统，能够使用常用命令完成日志查看、硬件信息采集和故障诊断。

7、能够使用BMC、IPMI、Redfish等服务器管理方式进行硬件监控、配置与故障定位。

8、具备良好的故障分析、沟通、团队协调和文档输出能力，能够接受短期现场出差。

三、加分项

1、具有2年以上服务器硬件检测维修经验。

2、具有GPU服务器、AI算力服务器或大规模算力中心或实验室维修经验。

3、熟悉NVIDIA HGX或主流OEM GPU服务器产品。

4、具备服务器原厂认证、NVIDIA相关认证者优先。