
甲骨文
Software Developer 3
Software Developer 3
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公测试开发
测试开发
Amd Rocm
Bios/Uefi
Bmc
Gpu验证
Pcie
网络自动化
值不值得投
75综合评分
综合评分 75
AI基础设施前沿验证岗,技术成长强、使命价值高,现场协作要求明显。
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
23.0万
比测试开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
31 个在招 · 其中测试开发 2 个
市场机会
选择适中
台北 · 测试开发 · 24 个在招
职位详情
关于这个职位
该职位面向GPU服务器与AI基础设施制造验证场景,负责GPU平台配置、固件安装、健康检查、烧机测试和工厂验收测试的自动化开发
你将跨硬件、固件、Linux内核、驱动、网络和数据团队定位问题,提升制造良率、测试吞吐量和交付可靠性
最低要求
最低职位资格
在实验室、制造或数据中心环境中具备 GPU、加速器或服务器硬件的上电调试、验证或故障排查经验
具备扎实的 Linux 技能,包括操作系统安装和镜像制作、内核版本和模块、设备驱动程序、启动流程、系统日志以及硬件故障排查
能够跨硬件、固件、操作系统、内核和驱动层诊断故障
具备 CPU 和 GPU 架构、PCIe、设备枚举、BIOS/UEFI、BMC 接口以及电源和热行为方面的知识
具备网络知识,包括 Linux 网络配置、Smart NIC、IP 寻址、DHCP/DNS 以及网络连接故障排查
熟悉 RDMA 或 RoCE 等高性能网络概念
具备使用 Python 和 shell 编写脚本并自动化验证或配置工作流经验
能够为大规模系统开发可靠的测试工作流,分析多台服务器的结果,并识别反复出现的故障或性能异常值
具备记录测试计划、故障调查和结果的经验,并能够在工程和制造团队之间协同工作
在数据管道、数据建模、分析和测量系统以及应用型 AI 管道方面具备丰富经验
工作职责
GPU 平台验证与配置
开发用于 GPU 服务器配置、设置、固件安装、验证、升级和恢复的自动化工作流
构建并维护 GPU 老化测试、资格测试和工厂验收测试
定义通过/失败标准,并记录每个获批平台配置的结果
验证 GPU 健康状态、设备枚举、内存、PCIe 和 GPU 互连、网络、电源、冷却以及持续工作负载下的性能
使用特定平台的诊断工具,包括 NVIDIA DCGM 和基于 CUDA 的工具,以及 AMD ROCm Validation Suite (RVS) 和 AMD SMI
故障分析与制造就绪度
调查 GPU、服务器硬件、BIOS/UEFI、BMC、固件、Linux 内核、驱动程序、操作系统、存储和网络中的故障
捕获日志、测试结果、固件和软件版本以及组件标识符,以支持可追溯性和根本原因分析
与 ODM 工程师以及内部和外部合作伙伴合作,验证纠正措施并防止重复故障
利用制造良率、测试吞吐量、故障趋势和质量指标来改进测试覆盖范围和部署就绪度
基础设施与网络
网络工程、数据中心/站点网络、VLAN、VxLAN 防火墙、L3 网络、gNMI、VPN、DHCP、交换机配置 (Arista)、网络自动化、故障排查、Linux、Python
主机配置/设置/Terraform、容器、监控/可观测性、Prometheus、Grafana、Linux、Python
具备使用 Identity Provider 工具(如 Keycloak 和 FreeIPA)的经验
自动化与协作
开发可靠的验证工具,使其能够跨大型工厂机群运行,并报告系统健康状态和测试 outcomes
与配置、平台和数据中心团队合作,确保工厂测试反映部署要求
记录测试流程、已知问题、恢复步骤和生产发布建议
优先资格
优先职位资格
具备 NVIDIA CUDA/DCGM 和 AMD ROCm/RVS 环境的实践经验
具备验证多 GPU 系统、GPU 互连、PCIe 带宽以及单节点或多节点工作负载的经验
熟悉 PXE/iPXE 配置、Redfish、PLDM、虚拟媒体、固件生命周期管理和工厂测试基础设施
具备组件可追溯性、制造良率分析和纠正措施流程方面的经验
能够在平台 bring-up 和生产爬坡期间于 ODM 设施现场工作
AI 洞察
优缺点分析
优点
- 岗位处于AI基础设施和液冷GPU平台制造验证场景,能接触GB200、GB300、MI355、MI455等前沿平台
- 技术覆盖面广,横跨硬件、固件、Linux内核、驱动、网络、自动化和数据管道,有利于形成系统性能力
- 与ODM、数据中心团队、NVIDIA和AMD等生态方协作,能积累真实量产和平台bring-up经验
- 工作内容直接关联良率、返工、测试吞吐量和交付可靠性,成果较容易用业务指标衡量
- 故障定位跨层复杂,需要在硬件、固件、内核、驱动和网络之间反复排查,对经验深度要求高
- 优先资格提到需要在ODM设施现场参与平台bring-up和生产爬坡,可能存在现场协作和出差要求
- 大规模工厂机群验证对测试稳定性、数据追踪和问题复现要求高,容易遇到环境差异和长周期验证问题
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI基础设施验证专家、GPU平台架构验证负责人或硬件系统调试专家方向发展,积累NVIDIA/AMD多平台经验
- 可横向扩展到数据中心网络自动化、工厂基础设施、可观测性平台、制造数据管道或Applied AI pipeline相关岗位
- 长期可发展为技术专家、平台负责人或跨团队技术管理者,主导制造验证体系和测试平台建设
- 开发GPU服务器从配置、固件安装到验证、升级和恢复的自动化流程,让工厂环境中的GPU平台可以被稳定、重复地部署和验证
- 构建并维护GPU烧机、资格认证和工厂验收测试,覆盖GPU健康、PCIe、互联、网络、供电、散热和持续负载性能
- 跨GPU、服务器硬件、BIOS/UEFI、BMC、固件、Linux内核、驱动、存储和网络层定位故障,并推动纠正措施落地
- 与供应链、硬件研发、ODM、数据中心团队以及NVIDIA、AMD等伙伴协作,确保机架出货前的问题被提前发现
- 需要扎实的Linux底层能力,包括系统安装与镜像、内核模块、驱动、启动流程、系统日志和硬件故障排查
- 需要掌握GPU/加速器/服务器硬件验证经验,理解CPU/GPU架构、PCIe、设备枚举、BIOS/UEFI、BMC以及功耗散热行为
- 需要熟练使用Python和Shell编写自动化脚本,能构建大规模系统的测试工作流并分析跨服务器结果
- 需要理解数据中心网络与高性能网络,包括Linux网络配置、DHCP/DNS、RDMA/RoCE、VLAN/VxLAN、Arista交换机和gNMI等
申请策略
- 申请前了解Oracle SMF的业务定位,重点理解其如何通过质量门禁、控制面和数据面提升AI基础设施制造可靠性
- 面试中准备用具体案例说明你如何跨团队推动纠正措施,并如何把故障分析转化为可复用的自动化测试能力
- 突出GPU、加速器或服务器硬件的bring-up、验证和故障排查经历,尤其是实验室、制造或数据中心环境
- 量化展示你在良率提升、返工减少、测试覆盖率提升、测试吞吐量优化或重复故障预防方面的成果
- 写明Linux底层能力,包括内核版本、驱动、启动流程、系统日志、镜像部署和硬件调试经验
- 展示Python/Shell自动化项目,以及Prometheus、Grafana、Terraform、容器、网络自动化或数据管道相关实践
- 补强NVIDIA DCGM、CUDA工具、AMD ROCm/RVS、AMD SMI等平台诊断工具的实际使用经验
- 熟悉PXE/iPXE、Redfish、PLDM、virtual media、固件生命周期管理和工厂测试基础设施
面试指南
- 故障排查类问题用“现象—环境—日志—分层定位—根因—纠正措施—预防复发”的结构回答
- 自动化设计类问题用“输入条件—流程编排—异常处理—结果采集—可观测性—规模化运行”的框架说明
- 跨团队协作类问题用“问题影响—相关方—沟通机制—验证闭环—指标改善”的逻辑展开
- 请描述一次你定位GPU服务器或加速器硬件故障的经历,你如何缩小到硬件、固件、内核或驱动层?
- 你会如何设计GPU burn-in和factory acceptance test,包括pass/fail标准和结果追踪?
- 在大规模服务器机群中,如何发现重复故障或性能异常,并建立可复现的测试流程?
- 你如何使用Python和Shell实现provisioning、firmware installation或validation workflow自动化?
- 请解释你对PCIe、BIOS/UEFI、BMC、RDMA/RoCE和Linux网络配置的理解及实际排查经验
职位点评
薪资福利78
成长发展88
工作生活45
使命价值84
薪资福利
78中等
JD提到具有竞争力的福利、弹性医疗、寿险和退休选项,但未披露薪资。对重视福利与稳定性的求职者有较好吸引力。
薪资信号未披露(AI估算:1.8–28.0万/月)
福利待遇competitive benefits、flexible medical、life insurance、retirement options
成长发展
88较高
岗位涉及GPU平台验证、Linux底层、网络自动化、数据管道和Applied AI pipelines,技术深度和跨层成长空间很强。JD未明确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、Linux、Python、Shell、NVIDIA DCGM、CUDA、AMD ROCm、RVS、PCIe、BIOS/UEFI、BMC、Terraform、Prometheus、Grafana、VxLAN、gNMI、RDMA、RoCE、data pipelines、applied AI pipelines
业务类型ambiguous
工作生活
45较低
JD明确提到需要能够在ODM设施现场工作,说明现场协作要求较高;但未提及远程、弹性工时或加班政策。
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
84较高
岗位直接服务于液冷GPU平台和AI基础设施的可靠部署,能提升良率、减少返工并加速hyperscale AI基础设施落地,使命感和行业前景较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号power everything from industry innovations to life-saving care、turn that promise into a better future for all、impact billions of lives
创新程度积极采用新技术
甲骨文 的其他在招职位
Software Developer 3
甲骨文 · 台北市AI 估算 · 3.5–5.5万Software Developer 3
甲骨文 · 台北市AI 估算 · 4.5–7.5万Principal Cloud Architect – HPC/GPU & AI Platform Solutions
甲骨文 · 香港特别行政区AI 估算 · 8.5–14.5万Sales Director, NetSuite – All Solutions, New Business, Hong Kong
甲骨文 · 香港特别行政区AI 估算 · 9.0–15.0万Principal Core Infrastructure Engineer – GPU
甲骨文 · 香港特别行政区AI 估算 · 6.0–10.0万
相似职位推荐
测试开发实习生-【海外】
快手 · 北京市
AI 估算 · 6.0千–1.0万12 小时前发布
Test Lead
HCLTech · Others, Taiwan
AI 估算 · 2.5–4.0万16 小时前发布
高德-测试开发工程师-北京
高德地图 · 北京市
AI 估算 · 2.5–4.5万17 小时前发布
测试开发实习生-【电商】
快手 · 杭州市
AI 估算 · 6.0–9.0千1 天前发布
AI质量工程师
滴滴出行 · 杭州市
AI 估算 · 2.5–4.5万1 天前发布
阿里云智能-服务器智能网卡测试开发专家-杭州/深圳
阿里巴巴 · 杭州市
AI 估算 · 4.5–7.5万1 天前发布
阿里妈妈-测试开发工程师-杭州
天猫 · 杭州市
AI 估算 · 3.0–5.5万1 天前发布
Senior Software Test Development Engineer - AI Infra, SDET
英伟达 · 上海市
AI 估算 · 4.5–7.5万1 天前发布
Watch Jobs