Platform Product Reliability

Должность: Надежность платформенных продуктов Местоположение: Сан-Хосе / На месте

О Etched

Etched разрабатывает оборудование для передовых систем искусственного интеллекта. Мы совместно разрабатываем чипы, стойки, программное обеспечение и производственные процессы, чтобы обеспечить лучшую в своем классе пропускную способность и задержку как для задач предварительного заполнения, так и для задач декодирования. Наши первые продукты в значительной степени ориентированы на инференс. Поддерживаемая сотнями миллионов долларов от ведущих инвесторов и укомплектованная ведущими инженерами, Etched переопределяет инфраструктурный уровень для самой быстрорастущей отрасли в истории.

Обзор вакансии

Мы ищем высокотехничного инженера по надежности платформенных продуктов, ориентированного на результат, для руководства инженерно-техническими работами по надежности серверных, стоечных и дата-центровых продуктовых платформ Etched.

Эта роль охватывает надежность системных продуктов от архитектуры до развертывания парка техники. Вы будете определять стратегию надежности, методологии квалификации, программы ускоренных испытаний на стресс, процессы анализа отказов и долгосрочные стандарты надежности для сложных систем инфраструктуры ИИ. Эта команда специализируется на инженерно-технических работах по надежности продуктовой платформы и развернутых систем — обеспечивая, чтобы каждый продукт Etched поставлялся с профилем надежности, которого требуют корпоративные клиенты и клиенты гиперскейлеров.

Вы будете тесно сотрудничать с командами Platform Engineering, Mechanical Engineering, Thermal, Firmware, Manufacturing, Supply Chain, Datacenter Operations и Program, чтобы обеспечить исключительную надежность продуктов Etched в больших масштабах.

Ключевые обязанности

• Определять и управлять комплексной стратегией надежности для ИИ-серверов, ускорительных платформ, стоечных систем и инфраструктуры дата-центров, от проектных требований до развертывания в полевых условиях.

• Устанавливать требования к надежности, стандарты квалификации и методологии валидации, которые масштабируются для разных поколений продуктов.

• Создавать и институционализировать процессы инженерно-технических работ по надежности, охватывающие полный жизненный цикл продукта:

  • Этапы квалификации EVT / DVT / PVT и критерии завершения.
  • Ускоренные испытания на срок службы (ALT) и ускоренные испытания на стресс (AST).
  • Экологические испытания: температура, влажность, высота, загрязнение.
  • Программы HALT / HASS для проверки запаса прочности конструкции и производственного скрининга.
  • Испытания на вибрацию, удар и стресс при транспортировке.
  • Испытания на циклирование питания, температурное циклирование и длительные испытания на выдержку.

• Руководить расследованиями первопричин отказов надежности, выявленных в ходе разработки, производства и развертывания в полевых условиях, внедряя корректирующие действия в областях аппаратного, встроенного программного обеспечения, теплотехники и механики.

• Разрабатывать комплексные модели надежности систем, включая прогнозы MTBF, анализ интенсивности отказов (FIT rate), моделирование срока службы по Вейбуллу, методологии снижения нагрузки на компоненты и отслеживание роста надежности.

• Обеспечивать учет надежности на ранних этапах, сотрудничая с архитекторами Platform Engineering и руководителями проектирования, чтобы требования к надежности формировали решения до того, как их изменение станет дорогостоящим.

• Тесно сотрудничать с ODM, JDM, контрактными производителями и поставщиками компонентов для проверки и обеспечения долгосрочных обязательств по надежности платформы.

• Создавать инфраструктуру для обеспечения надежности парка техники: конвейеры анализа телеметрии, циклы обратной связи с поля, а также фреймворки мониторинга, которые обеспечивают Etched видимость состояния развернутых систем в больших масштабах.

• Управлять критериями утверждения надежности и руководить обзорами готовности продукта к выпуску для команд инженеров и программных менеджеров.

• Создать и возглавить высокоэффективную организацию по надежности продуктовых платформ — нанимая, развивая и удерживая технические таланты по мере роста компании.

Вам может подойти, если вы имеете (обязательные квалификации)

• Степень бакалавра, магистра или доктора наук в области электротехники, машиностроения, надежности или смежной технической области.

• Более 5 лет опыта в области надежности в организациях, ориентированных на аппаратное обеспечение, с существенным временем, посвященным сложным системам, а не работе на уровне компонентов.

• Опыт руководства программами надежности для одной или нескольких из следующих областей:

  • Системы вычислений с ускорителями ИИ или класса GPU.
  • Гиперскейлерская или облачная серверная инфраструктура.
  • Сетевые платформы, системы хранения данных или инфраструктура масштаба стойки.

• Глубокое понимание механизмов отказа на уровне системы — включая тепловые, системы питания, механические отказы и отказы разъемов/соединителей — и того, как решения по проектированию влияют на долгосрочную надежность в полевых условиях.

• Практический опыт работы с FMEA, анализом Вейбулла, HALT/HASS, планированием квалификации, методологиями анализа отказов, а также статистикой и моделированием надежности.

• Подтвержденный опыт руководства кросс-функциональными расследованиями первопричин в быстро развивающихся аппаратных организациях, где давление сроков реально, а ответственность высока.

• Сильное техническое суждение — способность принимать обоснованные компромиссы между целевыми показателями надежности, стоимостью, сроками и производительностью, не теряя из виду ожидания клиентов.

• Отличные коммуникативные навыки и авторитет для влияния на решения по проектированию с руководителями инженеров, менеджерами программ и руководителями высшего звена.

Сильные кандидаты также могут иметь опыт (желательные квалификации)

• Опыт работы с системами жидкостного охлаждения, системами питания высокой плотности или системами управления тепловым режимом для высокопроизводительной инфраструктуры ИИ.

• Прямой опыт поддержки крупномасштабных развертываний в гиперскейлерских или облачных дата-центрах, включая обязательства по надежности перед клиентами и управление SLA.

• Подтвержденный опыт создания организации по надежности на ранней стадии — создание процессов, инструментов и норм работы команды в средах без устоявшейся инфраструктуры.

• Знакомство с системами телеметрии парка техники, крупномасштабной аналитикой надежности в полевых условиях и подходом, основанным на данных, к проактивному управлению надежностью.

• Опыт тесного сотрудничества с партнерами ODM или JDM на Тайване или в Азии, включая поддержку NPI и участие в квалификации на месте.

• Опыт работы с высокоскоростными цифровыми системами, вычислительными платформами GPU или ускорительными архитектурами — с пониманием того, как они влияют на поведение системы на уровне надежности.

Преимущества

• Медицинские, стоматологические и офтальмологические пакеты с щедрым покрытием.

  • Ежемесячный кредит в размере 500 долларов США за отказ от медицинских услуг.

• Субсидия на жилье в размере 2500 долларов США в месяц для тех, кто живет в пешей доступности от офиса.

• Поддержка релокации для тех, кто переезжает в Сан-Хосе (Santana Row).

• Различные велнес-льготы, охватывающие фитнес, психическое здоровье и многое другое.

• Ежедневный обед и ужин в нашем офисе.

• Неограниченный бюджет на вычисления при условии обоснования ROI.

Чем мы отличаемся

Etched верит в "Горький урок" (Bitter Lesson). Мы — первая система передового ИИ, ориентированная на инференс. Наш адресуемый рынок — весь инференс, в отличие от многих наших конкурентов.

Мы — полностью очная команда в Сан-Хосе (Santana Row) и высоко ценим инженерные навыки. У нас нет границ между инженерией и исследованиями, и мы ожидаем, что весь наш технический персонал будет участвовать в обоих направлениях и работать над различными дисциплинами по мере необходимости.