Architetto di tessuti AI
Fal Ai | Remote
Designazione delle merci
Fal è l'ecosistema dei media generativi che alimenta la prossima generazione di prodotti AI. Costruiamo l'infrastruttura, gli strumenti e l'accesso ai modelli che i team devono passare dall'idea alla produzione, e farlo in scala senza compromessi. Per sviluppatori e imprese, fal è la base che rende i media generativi non solo possibili, ma pratici: una piattaforma unificata dove inferenza, orchestrazione e osservabilità ad alte prestazioni si incontrano per sbloccare nuove categorie di prodotti AI-nativi.
Mentre i media generativi rimodellano le industrie in un mercato che dovrebbe crescere di centinaia di miliardi nel prossimo decennio, la fal sta diventando l'ecosistema su cui si basano le squadre ambiziose.
A proposito di questo ruolo
Sei l'architetto della rete su cui i nostri cluster GPU funzionano. Possiedete il tessuto end to end, dal NIC in ogni server GPU attraverso la colonna vertebrale e foglia attraverso il tessuto AI, e sapete che nell'infrastruttura AI la rete è core alla macchina. Poiché Fal porta la propria capacità GPU online su più siti, definirai l'architettura del tessuto da cui ogni sito è costruito, e poi assicurati personalmente che venga costruito ed eseguito. Questo non è un ruolo solo di architettura. Siamo una piccola squadra che si muove velocemente, e la persona giusta è altrettanto confortevole scrivere una mappa di porto, tracciare una cattiva ottica, o sintonizzare il controllo della congestione sul piano del data center come stanno impostando direzione tecnica.
Cosa farete:
• Possiedete l'architettura del tessuto per ogni sito: tessuto di backend GPU (InfiniBand e/o RoCEv2), e tessuto di frontend GPU
• Scegliere le scuse e fare le chiamate chiave: ferrovia ottimizzato contro altri disegni, InfiniBand vs Ethernet, rapporti di sovrascrittura, e come le scale di tessuto da un pod a molti
• Trasformare l'architettura in un modello di rete ripetibile: piani di cablaggio, mappe di porta, progettazione di indirizzamento e routing del tessuto e una fattura di materiali (interruttori, NIC, ottica, cavi)
• Mettere mano con portare-up in ogni sito: essere sul pavimento per i primi rack, convalidare il cablaggio e firmware, configurare il gestore e gli interruttori di tessuto, e eseguire l'accettazione delle prestazioni (esami NCCL, burn-in) prima che la capacità va dal vivo
• Tune per prestazioni di carico di lavoro reali: controllo della congestione, PFC/ECN, routing adattivo e impostazioni NCCL per il traffico sia inferenza che formazione
• Debug problemi di tessuto ovunque si presentano, da un collegamento flapping ad un lavoro che si affievolisce misteriosamente lentamente
• Valutare e selezionare fornitori e hardware AI Fabric, e spingere indietro con i dati quando qualcosa doesn't soddisfare specifiche
• Collaborare attraverso l'automazione e il software per contribuire a costruire il monitoraggio di rete, telemetria e automazione che permettono a un piccolo team di gestire una grande flotta, e di essere il punto di escalation per gli incidenti AI Fabric
• Documenti come si va in modo che ogni nuovo sito è più veloce dell'ultimo, e aiutare a assumere e mentore gli ingegneri di rete che si uniscono dopo di voi
Qualificazioni:
• 7+ anni di data center o HPC networking, compresa la responsabilità diretta per la produzione di tessuti a grappolo GPU
• Un track record di portare i tessuti GPU dai rack vuoti alla produzione, con le proprie mani sul lavoro, non solo attraverso fornitori o integratori
• Profonda esperienza in InfiniBand (NDR/XDR, UFM, gestione subnet) e/o RoCEv2 senza perdita Ethernet
• Forte comando dei progetti di treni ottimizzati e Clos/albero di grasso, BGP/ECMP e EVPN/VXLAN
• Una chiara comprensione di come la progettazione e la messa a punto del tessuto influiscano sulla comunicazione collettiva e sulle prestazioni reali di carico di lavoro
• Confortevole automatizzazione con Python, Ansible o simili
• Forte abilità Linux e la capacità di debug oltre il confine tra host, NIC e tessuto
• Una buona valutazione dei compromessi tra costi, prestazioni, affidabilità e tempo di distribuzione
• NVIDIA Quantum/Spectum-X, ConnectX-7/8, BlueField-3 SuperNICs e/o Broadcom Tomahawk 5 classe Ethernet
• Ottica 400G/800G OSFP, AOC/DAC, MPO di trunking
E' bello avere:
• Esperienza in un team di infrastrutture AI neocloud, iperscaler, rete NVIDIA o integratore di fabbrica AI
• Esperienza con i sistemi NVLink / NVL72-classe rack-scale e come cambiano il design del tessuto scalabile
• Esperienza con reti di RDMA e di archiviazione GPUDirect
• Esperienza nella costruzione di più siti in parallelo o su linee temporali aggressive
• Volontà di viaggiare frequentemente ai siti del data center, specialmente durante la costruzione-out
Cosa offriamo a Fal:
• Lavoro interessante e stimolante
• Salario competitivo e capitale proprio
• Molte opportunità di apprendimento e crescita
• Offriamo assistenza per il trasferimento a San Francisco.
• Assicurazione sanitaria, dentale e visiva (USA)
• Eventi regolari e fuori sede
INFORMAZIONI SULL'OPPORTUNITÀ DI PARITÀ DI OCCUPAZIONE:
FAL offre pari opportunità di lavoro ai richiedenti e ai dipendenti senza riguardo alla razza, colore, religione, sesso, orientamento sessuale, identità di genere, origine nazionale, stato veterano protetto, disabilità, o qualsiasi altra classificazione protetta dalla legge applicabile.
Trovare lavoro in Germania su Arbeitnow
Competenze richieste
Engineering
Dettagli del lavoro
Esperienza: 0 anni
Pubblicato: 20 hours, 31 minutes fa
Vista: 8
Applica su ArbeitnowFonte da Arbeitnow · apre la pubblicazione originale.
Ottieni un'applicazione personalizzata per questo ruolo
Lascia il tuo curriculum e scriveremo una lettera di copertura mirata a questo elenco esatto molto gratis, e pronto nel momento in cui il tuo account viene creato.
PDF, Word o testo. Creiamo il tuo account gratuito sulla schermata successiva © © senza carta.
Assumere un ruolo come questo?
Pubblica il tuo lavoro remoto su WFHJ e raggiungi i candidati abbinati.
Pubblicare un lavoro gratis