米哈游
服务器运维工程师（GPU方向）
服务器运维工程师（GPU方向）
发布于 大约 21 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
IPMI
NCCL
NVLINK
Gpu运维
Dcgm
Fabric Manager
AI 估算 · 25k–40k
GPU运维稀缺技能，米哈游AI需求旺盛，薪资竞争力强，月薪25-40K，年终丰厚。
职位详情
关于这个职位
该职位负责米哈游GPU服务器的运维与调优，包括故障诊断、性能压测、固件管理及国产AI加速卡适配
你将与研发团队和厂商协作，确保大规模GPU集群稳定高效运行，是支撑AI训练的关键角色
最低要求
计算机科学与技术、电子工程、通信工程等计算机相关专业，本科及以上学历
年以上 GPU 服务器运维经验
熟悉主流 GPU 体系（NVLink / NVSwitch / Fabric Manager / SXM / HBM / DCGM）
熟悉 IPMI、Redfish、BMC 等远程管理协议
熟悉 BIOS / UEFI 配置与服务器底层硬件（PCIe、NUMA 拓扑）
熟悉 Linux 系统管理与基础性能调优
具备 Python 或 Shell 工具脚本开发能力
良好的故障定位思路与文档撰写习惯
工作职责
GPU 服务器的故障诊断、故障恢复、报修跟进与 RMA 流程对接
机器上架压测与集群初始交付性能压测（NCCL allreduce、HBM、网卡、磁盘等基线）
服务器固件与驱动批量变更（BIOS、BMC、网卡固件、GPU 驱动、Fabric Manager）的灰度发布与回滚
厂商工具链（DCGM、Nsight、Fabric Manager 工具等）调研与平台集成
异构 AI 加速卡的硬件层适配，包括 device plugin 接入、健康检测、固件管理
BMC / BIOS 参数调优
与驻场团队、GPU 及 OEM 厂商的工单对接
优先资格
大规模 数据中心GPU 服务器运维经验
国产 AI 加速卡运维经验
参与过机房布局规划建设
具有定制、改配服务器经验
AI 洞察
优缺点分析
- 米哈游是大型游戏公司，平台资源丰富，GPU运维属于AI基础设施核心环节，技能稀缺性高
- 接触前沿AI硬件（如NVIDIA H100、国产加速卡）和大规模集群，技术积累深厚
- 薪资竞争力强，公司效益好，福利待遇有保障
- 工作强度可能较大，需要7x24小时响应故障，尤其在集群维护或业务高峰期
- 技术更新快，需持续学习新的GPU架构、工具和协议，保持技术敏感度
- 需与多个厂商和驻场团队协调，沟通成本较高，要求较强的跨团队协作能力
- 适合对硬件底层技术有浓厚兴趣、喜欢深入故障排查、希望在AI基础设施领域深耕的运维工程师
角色解读
- 向GPU集群架构师或AI基础设施专家发展，深入理解大规模分布式训练硬件
- 可转向数据中心运维管理岗位，领导运维团队
- 积累硬件底层经验后，可向芯片厂商或云计算厂商的系统工程师方向转型
- 负责GPU服务器的故障诊断、故障恢复及RMA流程，确保硬件问题及时解决
- 执行机器上架压测和集群初始交付性能测试，包括NCCL allreduce、HBM、网卡等基线验证
- 管理服务器固件与驱动的批量变更，设计灰度发布与回滚方案，保障稳定性
- 调研厂商工具链（如DCGM、Nsight）并集成到平台，同时负责国产AI加速卡的硬件适配
- 精通GPU体系架构，包括NVLink、NVSwitch、Fabric Manager、SXM、HBM、DCGM等
- 熟悉远程管理协议（IPMI、Redfish、BMC）及BIOS/UEFI配置
- 掌握Linux系统管理与性能调优，具备Python或Shell脚本开发能力
- 良好的故障定位思路和文档撰写习惯，能够与厂商和驻场团队高效协作
申请策略
- 了解米哈游的游戏业务和AI应用场景（如角色动画、渲染），展现对业务的理解
- 准备1-2个详细的故障排查案例，体现系统性思维和工具使用能力
- 突出GPU服务器运维的项目经验，尤其是大规模集群的故障处理和性能调优案例
- 展示脚本开发能力（Python/Shell），重点描述自动化运维工具或监控系统的实现
- 强调与厂商或驻场团队的协作经验，体现沟通和文档撰写能力
- 如有国产AI加速卡适配或BMC/BIOS调优经验，务必详细说明
- 深入学习NCCL通信原理和GPU集群性能调优方法
- 熟悉至少一种国产AI加速卡（如寒武纪、昇腾）的运维和适配流程
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答，突出技术深度和系统性
- 展示故障定位的完整思路：从现象到日志、工具、硬件检查，再上升到根因分析
- 强调工具链和自动化脚本的使用，体现工程效率意识
- 描述一次你处理GPU服务器故障的过程，包括诊断步骤和解决策略
- 如何设计一个GPU集群的初始交付性能压测方案？涉及哪些基线指标？
- 批量更新服务器BIOS时，如何确保灰度发布的成功率和回滚方案？
- 请解释BMC参数调优对GPU服务器稳定性的影响，你有哪些经验？
- 你对国产AI加速卡（如昇腾、寒武纪）的运维有何了解？如何适配现有平台？
匹配度报告
71
综合匹配度
大厂高薪前沿技术，侧重GPU运维，WLB一般，发展空间大。
适合人群
适合发展动机强、追求技术前沿、能接受现场办公和高强度工作的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活50
使命价值60
薪资福利匹配
85较高
薪资水平较高，米哈游平台福利好，但JD未明确具体薪酬福利，存在不确定性。
薪资信号未披露 (25K-40K/月)
成长发展匹配
90较高
技术栈前沿（GPU、AI基础设施），成长空间大，但JD未提及晋升通道或培训机制。
技术前沿前沿/新兴技术
技术栈GPU、NCCL、NVLink、Fabric Manager、DCGM、IPMI、Redfish、Linux、Python
业务类型cost_center
工作生活匹配
50较低
仅现场办公，工作地点上海，未提及弹性工作或WLB，需现场处理故障可能要求较高响应。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
游戏行业与AI技术结合，有一定创新价值，但社会影响力中性，无明显使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs