站点可靠性工程师（美国远程）

他们与领先组织合作，大规模交付GPU基础设施，跨供应商、GPU代际和地理区域路由工作负载。该职位属于小型资深工程团队，个人判断直接影响每位客户体验。该职位提供拥有可靠性端到端所有权的机会，并塑造GPU基础设施在前沿规模的操作方式，从第一天起拥有完全自主权和直接客户影响。

多年参与构建和操作大规模GPU基础设施的经验；深入理解NVIDIA H100/H200/B200/GB200包括NVLink/NVSwitch拓扑和硬件故障模式；生产经验包括InfiniBand、RoCE和NVLink网络以及NCCL、CUDA和PyTorch分布式训练；具备生产级Go、Python或Rust语言，有Kubernetes及/或Slurm/HPC经验；精通Linux内核调优、NVIDIA驱动/CUDA生命周期及BPF工具链。

拥有完全自主权和直接客户影响

一家快速成长的AI基础设施企业，作为全球AI实验室、数据中心和云服务提供商的计算流动性层