IT 基础设施团队——系统硬件 & 网络方向

Responsibilities

1.探索业界最新硬件（GPU、CPU、SSD、网卡、服务器等），深入研究其实现细节，从技术第一性原理出发为选型和技术路线提供决策支持。 2.建立硬件配置管理体系（品牌→型号→固件→参数），开发配置比对与自动下发工具，实现异构硬件的统一纳管。 3.设计并维护通用硬件基准压测框架（覆盖 GPU、NVMe、内存、网络等），集成 fio、iperf3、gpu-burn 等工具或自研引擎，输出标准化性能报告；在上架、固件升级等变更后自动执行压测并与基线对比。 4.快速响应集群故障，实施应急处置，保障 AI 训练与推理任务的连续性。 网络方向 1.精通 OSPF、BGP、VXLAN、VPN 等核心数通技术，独立设计、优化和排障大规模路由域，降低故障爆炸半径。 2.负责跨地域、多数据中心互联架构的设计与运维，落地主备切换、双活、流量牵引与故障隔离方案。 3.深入 InfiniBand、RoCE v2 等 RDMA 技术，负责超算网络的全生命周期运维与持续优化。 4.建设覆盖物理层到 RDMA 层的全栈监控与可观测性体系，推动网络自动化运维（配置管理、变更校验、故障自愈）。

Requirements

1.扎实的技术功底，在硬件架构（CPU/GPU/ 存储 / 网络互联）或网络技术（路由协议、RDMA、数通）中至少一个方向有深入理解或有强烈兴趣，能从实现细节角度分析和解决问题。 2.熟悉 Python 或 Go，能独立开发压测、配置管理、自动化运维等工具；具备数据建模能力。 3.强烈的好奇心与求知欲，主动跟踪技术前沿，对每一个细节都有打破砂锅的冲劲。 4.良好的沟通协调能力，能在多团队协作、高压环境下稳定决策与执行。 【加分项】（不强制，欢迎有热情的白纸同学） 1.有大规模 GPU 集群（NVIDIA/Ascend）运维或压测经验。 2.熟悉 Redfish/IPMI；有 Rust 开发经验。 3.了解硬件底层规范与实现，包括 ACPI、OpenBMC、BIOS/UEFI、PCIe、I2C/I3C 等，能从固件或总线层面分析和定位问题。 4.有跨地域容灾与 DCI 项目经验，熟悉双活、灾备切换等关键设计。 5.有 RDMA 生产环境调优经验，或网络自动化平台开发经验。 6.了解 AI 训练流程，有探索并应用新技术优化系统性能的实践

Who this role is for

本科及以上

Company overview