客户成功工程师（CSE），GPU集群
岗位摘要
担任指定战略客户的技术联系人，负责计算、网络、存储和设施等跨领域的端到端技术关系；通过定期沟通机制推动结构化协作，包括状态报告、技术指导会议、季度业务回顾（QBR）和高管业务回顾（EBR），覆盖运营与战略层面
岗位职责
- 担任指定战略客户的技术联系人，负责计算、网络、存储和设施等跨领域的端到端技术关系
- 通过定期沟通机制推动结构化协作，包括状态报告、技术指导会议、季度业务回顾（QBR）和高管业务回顾（EBR），覆盖运营与战略层面
- 将客户运营反馈转化为工程、产品和基础设施路线图的可执行输入
- 与支持、SRE、数据中心运营和工程团队合作，主导所有基础设施领域的问题生命周期管理、升级和根本原因分析（RCA）撰写
- 负责端到端RMA协调和硬件生命周期管理，包括验收测试、备件库存管理以及大规模GPU部署的硬件健康报告
- 深入掌握客户基础设施栈的技术专长，包括GPU计算、高速网络和大规模存储系统，并就配置、运营最佳实践和事件解决提供建议
- 负责客户资产的可观测性策略，包括告警策略定义、仪表板开发以及所有基础设施层的主动健康管理
- 与内部团队和托管服务商合作协调数据中心运营和设施事件，确保SLA合规和集群可用性
- 担任所有容量扩展的项目经理，负责从货物接收到生产验收的完整节点部署生命周期
任职要求
- 5年以上客户面对技术岗位经验，其中2年以上专注于大规模AI或HPC基础设施的专属技术客户管理或解决方案架构
- 深入掌握GPU基础设施，包括GPU健康诊断、RMA工作流和硬件验收测试
- 具备大规模以太网和InfiniBand网络架构的实操经验
- 熟悉企业存储系统，包括高密度NVMe、并行文件系统和元数据基础设施
- 具备数据中心运营、设施协调和托管服务商SLA管理经验
- 对事件管理、RCA撰写和高管级客户沟通有强烈的责任感
- 熟练使用基础设施监控和可观测性工具（如Prometheus、Grafana或同等工具）
- 具备以超大规模企业级严谨性和沟通标准管理多个并行工作流的能力
- 优先考虑精通Python、Bash或基础设施自动化工具