AI Solution Architect

Архитектор AI-решений

Компания: Uvation
Местоположение: Индия / Удаленно
Тип занятости: Полная занятость

Обзор вакансии

Мы ищем опытного архитектора AI-решений для проектирования и руководства разработкой комплексных корпоративных AI Factory и GPU-инфраструктурных решений, охватывающих вычисления, высокопроизводительные сети, хранилища данных, Kubernetes, облачные технологии и AI/ML-платформы. Роль требует глубоких знаний технологий NVIDIA GPU, AI-нагрузок, масштабируемой инфраструктурной архитектуры, безопасности, наблюдаемости, инженерии производительности и планирования мощностей.

Ключевые обязанности

• Обеспечение сквозной архитектуры для AI Factory и корпоративных AI-решений от требований до готовности к эксплуатации.
• Оценка требований к AI/ML-нагрузкам для обучения, дообучения, инференса, пакетной обработки и высокопроизводительных вычислений.
• Проектирование архитектур GPU-вычислений, включая платформы NVIDIA HGX/DGX/OEM, многопроцессорные системы, NVLink/NVSwitch и распределение ресурсов GPU.
• Проектирование высокопроизводительных AI-сетей с использованием Ethernet 100/200/400/800G, EVPN/VXLAN и архитектур leaf-spine.
• Проектирование AI-хранилищ данных и архитектур с использованием объектных хранилищ, параллельных файловых систем, таких как Ceph, WEKA, или аналогичных платформ.
• Определение архитектуры AI-платформ, включая Kubernetes, HPC, среды выполнения контейнеров, платформы для обслуживания моделей и корпоративные AI-фреймворки.
• Разработка архитектурных стандартов для безопасности, идентификации, изоляции клиентов, защиты данных, наблюдаемости, аварийного восстановления и операционной устойчивости.
• Разработка эталонных архитектур, высокоуровневых/низкоуровневых проектов, моделей мощностей, спецификаций материалов (BOM), оценок технологий и дорожных карт внедрения.
• Руководство техническими оценками, пилотными проектами, оценками поставщиков и советами по рассмотрению архитектуры.
• Сотрудничество с командами по инфраструктуре, сетям, безопасности, хранилищам данных, облачным технологиям, данным, приложениям и операциям.
• Определение целей по производительности, доступности, масштабируемости, безопасности и стоимости, а также валидация архитектуры на соответствие измеримым критериям приемки.
• Предоставление технического руководства во время развертывания, миграции, интеграции, устранения неполадок и перехода в производственную среду.

• Требуемые технические навыки

AI / ML Архитектура

• NVIDIA AI Enterprise, NGC, CUDA, NCCL, DCGM, GPU Operator и экосистема AI-платформ.

• PyTorch, TensorFlow, JAX и операционное понимание нагрузок обучения и инференса.

• Планирование GPU, многопользовательская среда, MIG/vGPU, использование GPU и размещение рабочих нагрузок.

• LLM, генеративный AI, RAG, дообучение, обслуживание моделей и архитектура инференса.

GPU и AI Factory Инфраструктура

• NVIDIA A100/H100/H200/B200 или эквивалентные GPU-платформы; знакомство с системами следующего поколения.

• NVLink, NVSwitch, топология PCIe и архитектура производительности многопроцессорных систем.

• Архитектура серверов DGX/HGX/OEM GPU и управление жизненным циклом.

• Планирование мощностей AI Factory, плотность стоек, электропитание, охлаждение, ввод в эксплуатацию и стратегия жизненного цикла.

Высокопроизводительные сети

• 100/200/400/800G Ethernet, InfiniBand, RoCEv2 и RDMA, Netris

• Технологии NVIDIA ConnectX/SuperNIC, Spectrum/Spectrum-X, Quantum и BlueField DPU.

• BGP, EVPN/VXLAN, VRF, ECMP, VLAN, MTU, PFC, ECN, QoS и управление перегрузками.

• GPU east-west трафик, GPUDirect RDMA и устранение неполадок сетевой производительности.

AI Хранилища данных и архитектура данных

• Параллельные файловые системы, объектные хранилища, NFS, NVMe/NVMe-oF и конвейеры данных с высокой пропускной способностью.

• Ceph, WEKA, VAST, Dell PowerScale, Pure FlashBlade, NetApp или эквивалентные технологии.

• Концепции Data Lake/Lakehouse, метаданные, происхождение данных (lineage), перемещение данных и жизненный цикл данных.

• GPUDirect Storage и оптимизация производительности хранилищ/сетей.

AI Платформа и Оркестрация

• Kubernetes, GPU Operator, среды выполнения контейнеров и планирование GPU в Kubernetes.

• HPC или другие эквивалентные планировщики рабочих нагрузок.

• Платформы обслуживания/инференса моделей и архитектура MLOps-платформ.

• API-шлюзы, обнаружение сервисов, управление секретами и интеграция платформ.

Облачная и гибридная архитектура

• Инфраструктурные и сервисы безопасности AI в AWS и/или Azure.

• Гибридное облачное соединение, IAM, частные сети, облачные хранилища и размещение рабочих нагрузок.

• Оптимизация облачных расходов, планирование мощностей и соображения FinOps для GPU-нагрузок.

Безопасность и управление

• Zero Trust, сетевая сегментация, IAM/RBAC, PAM и идентификация рабочих нагрузок.

• Безопасность GPU, DPU, контейнеров, Kubernetes, прошивок и цепочки поставок.

• Шифрование при хранении/передаче, управление секретами, аудит журналов и средства контроля соответствия.

• AI-специфичные риски, включая защиту данных/моделей, изоляцию клиентов и безопасный доступ к моделям.

Наблюдаемость и надежность

• Prometheus, Grafana, OpenTelemetry, NVIDIA DCGM и телеметрия инфраструктуры.

• Мониторинг в доменах GPU, CPU, памяти, сети, хранилищ данных, электропитания и тепловых режимов.

• Высокая доступность, резервное копирование/восстановление, аварийное восстановление, непрерывность бизнеса и проектирование доменов сбоев.

• Инженерия производительности, анализ узких мест, проектирование SLO/SLA и прогнозирование мощностей.

Результаты архитектурной работы (Deliverables)

• Эталонная архитектура AI Factory и проектные решения (solution blueprints)

• Высокоуровневый проект (HLD) и низкоуровневый проект (LLD)

• Диаграммы архитектуры сети, вычислений, GPU и хранилищ данных

• Модели мощностей, производительности и масштабируемости

• Документы по оценке технологий и сравнению поставщиков

• Архитектура безопасности и входные данные для модели угроз

• Спецификация материалов (BOM) и расчеты размеров инфраструктуры

• Стратегия миграции/развертывания и дорожная карта внедрения

• Чек-лист операционной готовности, руководства по эксплуатации (runbooks) и критерии приемки

Опыт и квалификация

• Более 10 лет опыта работы с инфраструктурой, облачными технологиями, корпоративной архитектурой или архитектурой решений, со значительным опытом работы с AI/GPU-инфраструктурой.

• Подтвержденный опыт проектирования крупномасштабных корпоративных платформ и преобразования бизнес-требований в технические архитектуры.

• Практическое понимание физической инфраструктуры, GPU-систем, сетей, хранилищ данных и Linux-платформ.

• Предпочтительно степень бакалавра в области компьютерных наук, инженерии, информационных технологий или смежной области.

Предпочтительные сертификации

• Сертификаты NVIDIA или эквивалентные сертификаты по GPU/AI-инфраструктуре

• AWS Solutions Architect / Azure Solutions Architect

• TOGAF или эквивалентный сертификат по корпоративной архитектуре

• CCNP/CCIE или эквивалентный сертификат по сетевым технологиям

• CISSP или эквивалентный сертификат по безопасности

• Сертификаты Kubernetes, такие как CKA/CKAD

• Сертификаты Red Hat / Linux