平台工程师

我们正在寻找Platform Engineer (HPC & AI) 来协助塑造我们的新平台团队，该角色将面向客户，涉及技术故障排除，并与供应商工程团队合作以确保AI平台的顺利运行。职责包括设计、部署和管理大规模HPC和GPU加速集群，实施和管理HPC调度和资源管理系统，优化InfiniBand和Ethernet网络拓扑，确保高可用性和容错性，自动化多供应商HPC硬件和软件堆栈的配置，监控实时性能并主导故障排除，以及管理用户权限、RBAC、安全加固和数据保护。

具备支持HPE PCAI或其他AI/HPC基础设施和平台的经验；熟悉RHEL/CentOS、Ubuntu等操作系统及Linux内核调优；熟练使用Ansible、Nvidia和CUDA工具包、Kubernetes及容器编排；了解自动化、监控和GPU as a service的安全性；具备系统工程、平台操作或SRE经验；熟悉GPU资源分配；具备高性能网络技能，包括故障排除和精细调优；熟悉云平台、API和分布式系统；了解AI/ML概念和工具（模型训练、推理、数据管道基础）；熟悉监控/日志工具（如Grafana、Kibana、Splunk）；具备良好的沟通能力，能与客户及内部/供应商团队对接。

加入一个使命驱动的初创公司，建设关键国家基础设施，运营卓越直接促进增长。该职位提供高层领导的高可见性、真实自主权，以及塑造下一代公司规模化运营的机会。

Era4是一家致力于建设关键国家基础设施的初创公司，通过可再生能源驱动AI基础设施，将遗留工业和能源遗址转变为现代数据中心设施，结合棕色田地再生机会与清洁、高效、可扩展的计算能力。