CATL logo
宁德时代
GPU压力测试

GPU压力测试

发布于 1 天前

普通员工/个人贡献者

AI 估算 · 1.8–3.2万 · AI 参考估算
中级经验
本科
全职员工仅现场办公硬件测试
硬件测试
Gpu服务器
Pcie
多卡互联
稳定性测试
自动化测试
Ai算力板卡
Gpu压力测试

值不值得投

70综合评分

综合评分 70

GPU算力硬件验证岗,技术前沿、成长性强,但长时间烤机测试对节奏适应性有要求。

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

2.5万

比硬件测试中位数高

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 850 个在招

职位详情

关于这个职位

该职位负责国产GPU芯片、AI算力板卡和GPU服务器整机的压力测试与稳定性验证,重点开展长时间烤机、极限负载、多卡联动和高低温工况测试

你需要搭建测试环境、分析日志与性能数据、定位异常,并沉淀测试用例、SOP和自动化脚本,支撑算力芯片优选与大模型训练等算力业务稳定落地

最低要求

本科及以上学历,电子信息、微电子、集成电路、计算机、自动化等相关专业

-5年GPU/AI芯片、算力板卡、GPU服务器整机硬件测试、压力测试、稳定性测试经验(芯片、板卡、服务器任一方向均可)
熟悉Linux环境,熟悉GPU常用测试工具,具备整机烤机、高负载压力测试、稳定性验证实战经验
能够独立搭建测试环境、执行耐久测试、分析测试数据、定位硬件稳定性异常

工作职责

负责国产GPU芯片、AI算力板卡、GPU服务器整机的压力测试、满负载耐久测试、稳定性测试、性能验证,独立制定测试方案、搭建测试环境、设计负载测试模型

开展7*24h长时间烤机、极限高负载、多卡联动、高低温工况稳定性验证,监控GPU算力、功耗、温度、降频、报错、链路稳定性、性能衰减等核心指标
负责测试数据采集、异常现象定位、问题复现、日志分析,输出标准化测试报告、稳定性评估结论
对接上游GPU芯片原厂,协同完成硬件来料验证、批次筛选、问题闭环、压力场景对齐,支撑公司算力芯片优选、算力调度优化业务
沉淀标准化测试用例、SOP、自动化测试脚本,持续优化GPU硬件验证体系
配合内部算力平台团队,输出真实硬件稳定性数据,支撑大模型训练、仿真算力业务稳定落地

优先资格

具备基础脚本能力(Python/Shell)、自动化测试经验者优先

了解PCIE、高速信号、多卡互联、算力集群负载场景者优先
有寒武纪、沐曦、昇腾、英伟达等国产/进口GPU测试经验优先

AI 洞察

优缺点分析

优点

  • 岗位直接围绕GPU、AI算力和大模型训练基础设施,技术方向具备较强成长性
  • 工作内容覆盖芯片、板卡、服务器整机和集群负载,能积累较完整的硬件验证与算力系统经验
  • 有机会与上游GPU芯片原厂和内部算力平台团队协作,接触国产算力生态和真实业务场景
  • 强调测试用例、SOP和自动化脚本沉淀,有助于形成可复用的工程方法论
  • JD明确涉及7*24h长时间烤机和高低温工况验证,测试周期可能较长,对耐心和过程监控要求高
  • 适合具备GPU、AI芯片、服务器硬件测试背景,熟悉Linux和脚本自动化,愿意深入算力硬件稳定性验证的工程师

缺点 / 挑战

  • 异常定位涉及硬件、驱动、链路、负载模型等多因素,排查复杂度较高
  • 需要持续跟进芯片原厂和内部平台团队,跨团队沟通和问题闭环压力不小

角色解读

  • 可向GPU硬件验证专家、算力基础设施测试负责人方向发展,深入芯片、板卡、服务器整机与集群稳定性验证
  • 可横向转向算力平台运维、硬件可靠性工程、自动化测试开发或AI基础设施性能优化岗位
  • 随着经验积累,可承担测试体系规划、供应商技术对接、芯片选型评估和团队技术带教职责
  • 负责GPU芯片、AI算力板卡和GPU服务器整机的压力测试、耐久测试和稳定性验证,独立设计测试方案和负载模型
  • 开展长时间烤机、极限高负载、多卡联动及高低温工况测试,持续监控算力、功耗、温度、降频、报错和链路稳定性
  • 采集测试数据、复现异常、分析日志,输出测试报告和稳定性评估结论,并推动问题闭环
  • 沉淀测试用例、SOP和自动化脚本,与芯片原厂及内部算力平台团队协作,支撑芯片优选和大模型训练算力落地
  • 需要掌握GPU/AI芯片、算力板卡或服务器整机硬件测试经验,熟悉压力测试、稳定性验证和性能验证流程
  • 需要熟悉Linux环境和GPU常用测试工具,能够独立搭建测试环境并执行长时间耐久测试
  • 需要具备测试数据分析、日志分析、异常定位和问题复现能力,能够输出标准化测试报告
  • 具备Python或Shell脚本能力、自动化测试经验,以及PCIE、高速信号、多卡互联、算力集群知识会更有竞争力

申请策略

  • 面试前梳理宁德时代算力平台、大模型训练和仿真算力业务对该岗位的实际需求,准备与业务价值相关的表达
  • 准备一到两个完整的硬件稳定性异常排查案例,重点说明现象、假设、验证路径、根因和闭环方式
  • 突出参与过的GPU、AI芯片、算力板卡或服务器整机测试项目,写明测试对象、测试目标和最终结论
  • 重点展示独立搭建测试环境、设计压力测试模型、执行长时间烤机和多卡联动测试的能力
  • 量化呈现异常定位、问题复现、日志分析和问题闭环成果,例如稳定性提升、故障定位效率提升或测试覆盖率提升
  • 写明Linux、Python/Shell、自动化测试脚本、PCIE、多卡互联等技能,以及寒武纪、沐曦、昇腾、英伟达等平台经验
  • 补充GPU常用测试工具、Linux性能监控、日志分析和硬件稳定性指标解读能力
  • 提升Python或Shell脚本能力,准备自动化测试脚本、数据采集脚本和报告生成脚本案例

面试指南

  • 用“背景-目标-方案-执行-结果-复盘”的结构讲项目案例,突出自己独立负责的部分和可量化结果
  • 排查类问题按“现象确认-环境复现-指标采集-分层定位-根因验证-闭环预防”展开,体现系统性方法
  • 技术能力回答要结合具体工具、指标和业务场景,避免只罗列名词,说明为什么这样设计和如何判断结果有效
  • 请介绍一次你独立完成GPU或服务器整机压力测试的完整流程,包括方案设计、环境搭建和结论输出
  • 长时间烤机过程中出现GPU降频、报错或性能衰减,你会如何定位根因?
  • 你如何设计多卡联动或高低温工况下的稳定性测试模型?
  • 熟悉哪些GPU测试工具、Linux监控命令和日志分析方法?
  • 请用Python或Shell举例说明你如何提升测试自动化效率

职位点评

薪资福利72
成长发展84
工作生活45
使命价值78

薪资福利

72中等

JD未披露薪资与福利信息,无法判断薪资竞争力;岗位要求三年以上经验且技术门槛较高,通常对有经验的硬件测试候选人具备一定吸引力。

薪资信号未披露(AI估算:1.8千–3.2万/月)

成长发展

84较高

岗位覆盖GPU芯片、AI算力板卡、GPU服务器、多卡互联和算力集群负载,技术内容较新且工程实践完整。JD还提到沉淀测试用例、SOP和自动化测试脚本,有利于形成系统化验证能力。

技术前沿前沿/新兴技术
技术栈GPU、AI算力板卡、GPU服务器、Linux、Python、Shell、PCIE、多卡互联、算力集群、自动化测试
业务类型ambiguous

工作生活

45较低

JD未明确办公模式、通勤或弹性工作信息,但明确提到7*24h长时间烤机和极限高负载测试,意味着部分测试周期可能需要持续监控。

工作模式未明确
办公地点未明确
加班情况JD含高强度暗示词

使命价值

78中等

岗位支撑公司算力芯片优选、算力调度优化,以及大模型训练、仿真算力业务稳定落地,与AI基础设施建设和国产算力生态相关,具有一定技术和业务价值。

行业发展高速增长赛道
社会影响中性/一般
使命信号支撑公司算力芯片优选、算力调度优化业务、支撑大模型训练、仿真算力业务稳定落地
创新程度积极采用新技术
Watch Jobs