智元机器人
集成测试SE
集成测试SE
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公测试开发
测试开发
Dcgm
Nccl
性能基准测试
测试报告
自动化测试
值不值得投
70综合评分
综合评分 70
AI集群质量守门人，技术前沿、成长性强、责任重大，WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
30K
比测试开发中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1400 个在招 · 其中测试开发 5 个
市场机会
选择面较广
上海 · 测试开发 · 约 150 个在招
职位详情
关于这个职位
作为智元机器人的集成测试专家（SE），您将负责公司AI集群的全生命周期测试与质量把控
工作核心涵盖集群的入网验收、性能基线搭建、问题定位诊断以及上线后的持续监测，确保交付的万卡级GPU集群稳定可靠
这是一个对技术深度和质量责任心要求极高的技术岗位
最低要求
本科及以上学历，计算机、网络、电子、通信相关专业，5年以上数据中心、AI智算集群、GPU集群测试/运维经验
必须具备GPU集群整集群验收、性能测试经验，熟悉万卡级AI集群交付标准，懂硬件验收、网络验收、集群性能评测全流程
精通GPU单机测试、DCGM硬件诊断、NCCL多机通信测试、IB/RoCE网络性能测试、带宽时延排查、存储IO压测、集群压力稳定性测试
熟悉Linux环境、Slurm/K8s集群调度，熟悉大模型训练场景性能特征，能区分硬件故障、网络故障、配置问题、业务压力导致的性能异常
具备独立撰写测试方案、验收标准、测试报告的能力，逻辑严谨、数据敏感，能对集群质量结果负责
熟练使用各类集群测试工具，能编写Shell/Python自动化测试脚本者优先
工作严谨、责任心强，具备极强的质量底线意识，能顶住交付压力严格把控集群准入质量
工作职责
集群入网验收测试：针对第三方交付的AI集群，负责服务器、GPU卡、IB/RoCE高速网络、存储系统、集群调度、整机环境的全维度验收测试，杜绝不达标硬件、网络、设备入网租赁
测试体系与用例设计：独立制定AI集群验收标准、测试方案、测试用例，覆盖硬件健康、单机算力、多机多卡通信、NCCL通信、集群吞吐、存储IO、网络时延、集群稳定性、压力耐久测试
集群性能基线搭建：完成万卡级集群性能基线建模，输出单机、单卡、多机集群标准性能指标，作为后续日常运维、故障判定、性能劣化对比的唯一基准
问题定位与验收把关：验收过程中定位硬件缺陷、网络异常、性能不达标、集群配置问题，输出测试报告、问题清单、整改要求，未达标集群禁止上线租用，全程闭环验收
上线后常态化性能监测：集群正式租用运营后，持续监控集群算力稳定性、通信质量、性能波动、故障率，及时发现隐性性能劣化、掉卡、网络抖动、通信瓶颈问题
输出专业测试报告：定期输出集群性能报告、验收报告、质量评估报告，支撑资产方对账、履约评估、故障追责、SLA考核
测试流程标准化：持续迭代集群验收SOP、测试工具、自动化测试脚本，实现大批量扩容场景下的标准化、可复制验收能力
AI 洞察
优缺点分析
优点
- 技术深度高：直接接触万卡级AI集群、顶级GPU及高速网络设备，技术栈非常前沿
- 行业前景好：身处人工智能算力基础设施赛道，行业处于高速增长期，专业人才稀缺
- 责任与影响力大：岗位是集群质量的“守门人”，工作成果直接影响公司核心产品的交付与客户信任
- 技能积累扎实：在问题定位、性能调优、自动化测试等方面的能力会得到极大锻炼
- 技术难度高：万卡集群的问题排查复杂，涉及硬件、网络、软件多个层面，要求知识面广且深
- 需持续跟进：线上集群的稳定性监控是持续性的工作，可能需要关注线上问题
缺点 / 挑战
- 工作压力大：需严格把控交付质量，可能面临交付周期紧、问题排查压力大的挑战
- 追求技术深度、有强烈质量责任心、能承受一定压力、并希望在AI基础设施领域长期发展的资深测试工程师或运维工程师
角色解读
- 技术专家路线：深耕AI基础设施测试与优化领域，成为集群性能或稳定性方向的资深专家
- 测试架构师路线：负责设计整个AI集群的测试体系、平台和工具链，驱动测试效能提升
- 技术管理路线：带领测试团队，负责智算集群产品线的整体质量战略与交付
- 负责AI集群从交付到上线的全周期质量把控，包括硬件、网络、存储、调度等环节的深度验收测试
- 设计并搭建集群性能基线，作为日常运维和问题判定的黄金标准
- 在线上运营阶段持续监控集群健康度，快速定位并解决各类性能劣化和故障问题
- 通过标准化流程和自动化工具，提升大规模集群验收的效率与可靠性
- 精通GPU集群全链路测试技术，包括单机性能、多机通信（NCCL）、高速网络（IB/RoCE）和存储IO
- 具备深厚的硬件诊断能力和系统级问题定位经验，能区分硬件、网络、配置及业务压力导致的异常
- 熟练使用Linux系统、集群调度系统（Slurm/K8s）及各类专业测试工具，并能通过脚本实现自动化
- 具备强大的文档编写与数据分析能力，能输出严谨专业的测试方案与报告
申请策略
- 了解智元机器人在具身智能和AI算力方面的业务布局，理解其集群测试的重要性
- 在面试中准备1-2个关于集群性能问题排查或测试体系建设的详细案例，展示你的逻辑思维和技术深度
- 详细描述过往参与的AI/GPU集群测试或运维项目，突出集群规模（如多少卡）、使用的技术和解决的具体问题
- 明确列出掌握的测试工具（如DCGM、NCCL-tests、ibdiagnet、fio等）和脚本语言（Shell/Python）
- 强调在问题定位、性能分析、测试方案设计及报告撰写方面的成功案例和成果
- 体现对质量把控的严谨态度和推动流程改进的经验
- 系统复习并深化GPU集群架构、NCCL通信原理、InfiniBand/RoCE网络协议的知识
- 学习并实践DCGM（GPU管理工具）的高级诊断功能和集群监控方案
面试指南
- 回答技术问题时，采用“背景-目标-行动-结果”的结构，并使用专业术语，展现系统性思维
- 对于方案设计类问题，可以从测试维度（硬件/网络/存储/调度）、测试场景（压力/稳定性/故障注入）、输出物（报告/基线/工具）等方面展开
- 对于压力平衡问题，强调流程、工具和数据驱动的决策，而非单纯妥协
- 请描述一次你负责的最复杂的AI/GPU集群测试或问题排查经历，遇到了什么困难，如何解决的？
- 如何设计一个万卡级AI集群的性能验收基线？需要关注哪些核心指标？
- 当发现集群的NCCL多机通信性能不达标时，你会如何一步步进行问题定位？
- 你认为一个好的集群验收测试方案应该包含哪些关键部分？如何确保其可执行性？
- 如何平衡交付压力和严格的集群质量标准？请举例说明
职位点评
薪资福利65
成长发展85
工作生活50
使命价值80
薪资福利
65中等
职位未披露薪资和具体福利信息，其补偿性吸引力主要依赖于对行业市场薪资的预期判断。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
85较高
岗位涉及前沿的万卡级AI集群测试，技术栈硬核且专业，为求职者提供了在AI基础设施领域深度发展的明确路径。
技术前沿前沿/新兴技术
技术栈GPU集群、NCCL、IB/RoCE、DCGM、Slurm、K8s、性能基线、集群稳定性
成长机会测试流程标准化、持续迭代
业务类型profit_center
工作生活
50较低
工作地点明确为上海，但JD未提及任何远程办公、弹性工作等WLB相关信息，且岗位性质可能需要现场操作或应对线上问题。
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
80较高
该职位服务于AI算力基础设施这一高速增长的赛道，直接保障核心产品的稳定与性能，具有明确的行业价值和技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号支撑资产方对账、履约评估、故障追责、SLA考核
创新程度积极采用新技术
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs