Hårdvarakäyttöönottoinsinööri

SpaceXAI:n missio on luoda tekoälyjärjestelmiä, jotka kykenevät ymmärtämään maailmankaikkeutta tarkasti ja auttamaan ihmiskuntaa tiedon tavoittelussa. Tiimimme on pieni, erittäin motivoitunut ja keskittynyt tekniseen erinomaisuuteen. Tämä organisaatio on tarkoitettu henkilöille, jotka nauttivat itsensä haastamisesta ja joita uteliaisuus ohjaa. Toimimme litteällä organisaatiorakenteella. Kaikkien työntekijöiden odotetaan olevan käytännönläheisiä ja osallistumaan suoraan yrityksen mission toteuttamiseen. Johtajuutta annetaan niille, jotka osoittavat aloitekykyä ja tuottavat johdonmukaisesti erinomaista jälkeä. Työmoraali ja vahvat priorisointitaidot ovat tärkeitä. Kaikilta työntekijöiltä odotetaan vahvoja viestintätaitoja; heidän tulee pystyä jakamaan tietoa tiimitovereilleen tiiviisti ja tarkasti. ROOLISTA: Johtavana hårdvarakäyttöönottoinsinöörinä vastaat GPU-laskentahårdvaran kokonaisvaltaisesta käyttöönotosta maailman suurimmille AI-koulutusklustereille. Rakennat ja johdat omaa hårdvarakäyttöönotto-tiimiä, joka vastaa L11-integraatiosta, käyttöönotosta ja GB300-luokan järjestelmien L11-jälkeisistä korjauksista useissa datahalleissa samanaikaisesti. Tiimisi läpivirtaus määrittää suoraan, kuinka nopeasti xAI pystyy laskemaan verkossa — tämä on yksi yrityksen kriittisimmistä polkuaktiviteeteista. Määrität käyttöönoton ohjekirjan, pidät hårdvaratoimittajat vastuullisina SLA-sopimuksista ja institutionalisoit prosessit niin, että klusterien käyttöönottoa rajoittavat vain laitteistojen saatavuus ja sähkönsyöttö, ei koskaan käyttöönottonopeus. Tehtävä sijaitsee Memphisissä, TN. VASTUUT: - Johtaa, rekrytoi ja kehittää dedikoitua hårdvarakäyttöönotto-tiimiä (käyttöönottoinsinöörejä, käyttöönotto- ja korjausteknikoita) vastaten täysin tiimin rakenteesta ja henkilöstöstä. - Vastaa L11-telineintegraatiosta ja laskentahårdvaran käyttöönotosta useissa datahalleissa samanaikaisesti, toimituslaiturilta tuotantoon luovutukseen. - Ajaa aggressiivisia käyttöönottoaikatauluja: saavuttaa yli 95 % solujen saatavuuden muutamassa päivässä telineiden toimituksen jälkeen ja 100 % valmistumisen viikon kuluessa per datahalli. - Vastaa L11-jälkeisestä hårdvaran kunnosta: suorittaa systemaattisia terveystarkistuksia ylläpitääkseen yli 98 % solujen saatavuuden ennen luovutusta operoinnille. - Sisäistää ei-RMA-hårdvarakorjaukset maksimoidakseen laitteiden palautuksen, minimoidakseen korjausjonot ja vähentääkseen riippuvuutta OEM-toimitusajoista. - Kehittää ja valvoo toimittajien SLA-sopimuksia OEM- ja alihankintavastuista; estää korjaamattomien laitteiden ("luurankokasat") ja korjausjonojen kertymisen ennen luovutusta operoinnille. - Suorittaa L11-vaiheessa havaittujen hårdvaravikojen juurisyyanalyysejä ja ajaa korjaavat toimenpiteet toimittajien ja sisäisten insinööritiimien kanssa. - Tekee yhteistyötä sivuston operoinnin kanssa hårdvaran vianetsinnässä ja korjauksessa sekä kouluttaa operointitiimejä tukemaan tulevia datakeskusten käyttöönottoja. - Rakentaa, dokumentoi ja parantaa jatkuvasti käyttöönottoprosesseja, työkaluja ja koulutusta, jotta käyttöönottokapasiteetti skaalautuu eri sivustoille ja tuleville hårdvarasukupolville. PERUSVAatimukset: - 5+ vuoden käytännön kokemus laskenta-/palvelinhårdvaran käyttöönotosta, integroinnista tai korjauksesta datakeskusmittakaavassa. - Suora kokemus L11- (teline-taso) integraatiosta ja GPU- tai kiihdytinperusteisten järjestelmien käyttöönotosta. - Osoitettu kokemus teknikko- tai insinööritiimien johtamisesta nopeasti muuttuvassa käyttöönotto-, valmistus- tai datakeskusympäristössä. - Syvälliset vianetsintätaidot palvelimien, GPU-yksiköiden, NVLink/fabric-yhteysväylien, nopean verkkoliikenteen ja nestejäähdytysjärjestelmien osalta. - Halukkuus työskennellä paikan päällä Memphisissä, TN, mukaan lukien pidennetyt työajat ja viikonloput kriittisten käyttöönotto-vaiheiden aikana. TOIVOTUT TAIDOT JA KOKEMUS: - Kokemus NVIDIA GB200/GB300 NVL72- tai vastaavista telinekoon nestejäähdytetyistä GPU-järjestelmistä. - Kokemus uuden tiimin tai funktion perustamisesta, mukaan lukien rekrytointi, koulutus ja prosessien kehittäminen alusta alkaen. - Kokemus OEM/ODM-toimittajasuhteiden hallinnasta (esim. Dell, Supermicro), mukaan lukien SLA-määritelmät ja valvonta. - Kokemus hårdvaravikojen analyysistä, RMA-prosesseista ja komponenttitasoisista korjausstrategioista laivastomittakaavassa. - Kokemus datakeskusautomaatiosta, burn-in/validointityökaluista ja hårdvaran terveystelemetriasta. - Näytetty kyky tuottaa merkittäviä parannuksia käyttöönottonopeudessa tai kustannuksissa (esim. OEM-toimittajien tekemien töiden sisäistäminen).