技术总监

职位描述

一、前期策划与方案设计

1、参与绿电+算力融合方案设计——对接生物质发电侧，在15MW级供电容量下进行GPU集群规模规划、电力匹配方案与调度策略设计

2、主导技术可行性研究与选型论证——GPU型号选型（B300/H200/昇腾910B）、供配电架构设计、冷却方案比选、网络架构规划

3、参与投资测算的技术假设输入——功率密度、PUE、建设周期、设备折旧等技术参数

二、建设交付与运维体系

1、千卡级GPU集群全链路交付（上架·组网·测试·验收）

2、7×24运维体系从0搭建（值班·监控·告警·故障处理·变更管理）

3、GPU硬件故障定位与IB/RoCE高速网络运维

三、客户保障与业务支撑

1、牵头制定客户SLA保障体系——面向腾讯/字节/阿里等大客户的验收标准制定（可用性≥99.9%、故障响应、赔偿机制）

2、搭建算力租赁业务的计量计费技术支撑能力——按卡·小时/按任务/按FP16算力等计量模型与计费系统架构

3、持续优化PUE与算力利用效率，对交付质量和客户满意度负责

任职要求

1、40岁以下 2、5年以上算力/IDC技术经验，含至少1次千卡级集群全链路操盘 3、本科及以上，计算机/电子/通信/自动化相关专业；研究生加分 4、深圳优先；可接受广州/东莞候选人（深圳通勤可接受）

5、硬性条件：亲自参与或主导过≥500张GPU（H100/A100/4090级别）的集群部署与稳定运行，可还原具体故障处理案例；能独立完成GPU/CPU/内存/网卡/PCIe等硬件故障定位、替换和固件升级，有实际操作经验而非纯管理；有InfiniBand或RoCE高性能网络组网、调测、NCCL测试经验；非纯软件或纯监控背景；建立过算力集群的标准化交付流程（包括验收、环境开通、资源隔离、性能基准测试）；有建立过运维值班制度、监控告警体系（GPU利用率/温度/故障告警）、SLA指标体系的实际经验；能参与生物质发电侧对接，在15MW级供电容量下进行GPU集群规模规划、电力匹配与调度方案设计；非纯运维执行者；能牵头制定面向腾讯/字节/阿里等大客户的SLA验收标准，包括可用性指标（≥99.9%）、故障响应时间、赔偿机制等；具备算力SaaS化计量计费的技术架构能力（按卡·小时/按任务/按FP16算力等），能支撑算力租赁业务的技术运营