Vous serez responsable du calcul chez Crux : la plateforme qui transforme les Google TPUs, l'énergie et la capacité des centres de données de Crux, ainsi que notre réseau, en une puissance de calcul IA dédiée, fiable et prête pour les clients. Sous la responsabilité de notre CTPO, vous superviserez tout ce qui se situe entre le rack et la première tâche du client : le parc de clusters TPU, le logiciel qui le provisionne, le surveille et le répare, la couche d'orchestration de conteneurs qui planifie le travail, et les produits de calcul consommés par nos clients, depuis notre première phase de capacité jusqu'à un parc de plusieurs gigawatts.
Il s'agit d'un poste de bâtisseur de plateforme : vous définirez l'architecture de référence, recruterez les leaders et maintiendrez un niveau élevé d'exigence en matière de fiabilité, d'efficacité et de rapidité à mesure que Crux se développe.
Dans ce rôle, vous devrez :
- 01Définir la stratégie de la plateforme de calcul et l'architecture de référence : comment la capacité TPU est segmentée en clusters dédiés, provisionnée, isolée et livrée aux hyperscalers, aux laboratoires d'IA de pointe, aux clients souverains et aux entreprises.
- 02Architecturer et assurer le cycle de vie complet du calcul : intégration et inventaire du matériel, provisionnement de l'OS et du firmware, rodage et validation, certification des racks, transfert aux clients, réparation et mise hors service.
- 03Concevoir et déployer l'orchestration de conteneurs gérée par Crux sur bare metal : provisionnement automatisé du plan de contrôle, mises à jour et opérateurs pour les TPUs.
- 04Construire et diriger une organisation d'ingénierie multicouche couvrant le provisionnement et le cycle de vie des clusters, l'orchestration et la planification, la santé et la télémétrie du parc, ainsi que l'interface de calcul destinée aux clients.
- 05Recruter des personnes plus compétentes que vous dans leur domaine, puis rester suffisamment proche pour détecter une anomalie avant qu'elle n'apparaisse dans un rapport.
- 06Assurer la fiabilité et l'efficacité du calcul de bout en bout : SLOs, goodput et utilisation, temps entre la disponibilité du rack et celle pour le client, et récupération après défaillance à l'échelle du parc, grâce à la discipline plutôt qu'à l'héroïsme.
- 07Agir en tant qu'interlocuteur technique principal de Crux auprès de Google concernant la feuille de route du matériel, des logiciels et des services TPU, en traduisant les besoins des clients en exigences pour Google et les capacités de Google en produits Crux.
- 08Définir la stratégie de construction, d'adoption ou d'intégration pour la pile logicielle de calcul : ce que Crux construit nativement, ce qu'elle adopte de Google et ce qu'elle source auprès de partenaires.
- 09Mettre en place la sécurité, l'isolation des locataires et la posture de conformité requises par les clients souverains et réglementés pour le calcul dédié.
- 10Collaborer avec l'ingénierie des centres de données et la livraison de capacité sur la conception, le démarrage et l'acceptation des clusters ; avec l'ingénierie réseau sur la fabric et l'interconnexion ; avec les TPM sur nos engagements ; et avec la finance sur les données d'utilisation, de taux de défaillance et de pièces de rechange pour le modèle de coût et de marge de référence.
INDICATEURS DE RÉUSSITE
Après 60 jours dans ce rôle
- 11Avoir acquis une compréhension complète de la plateforme TPU, du modèle de partenariat avec Google, du plan de capacité de référence et de nos premiers engagements clients, et avoir publié une architecture de calcul et un plan organisationnel écrits.
- 12Avoir recruté ou engagé votre première couche de leaders en ingénierie sur les domaines de calcul principaux.
- 13Avoir établi des rythmes de travail avec les homologues de Google, l'ingénierie des centres de données, l'ingénierie réseau et les équipes d'ingénierie et de produit de nos clients.
- 14S'être adapté à un environnement rapide, en priorisant de manière appropriée et en améliorant continuellement notre fonction.
- 15Avoir mis en place un développement axé sur l'IA pour la pile de provisionnement zéro-touch, d'orchestration et d'observabilité.
Après 6 mois
- 16Avoir livré les premiers clusters TPU de production via le provisionnement, la validation et le transfert aux clients dans les délais impartis.
- 17Avoir défini et instrumenté les SLOs de calcul, l'utilisation et les métriques de temps de mise à disposition, examinés chaque semaine dans un format approuvé par l'équipe de direction.
- 18Avoir livré la première version de l'interface de calcul destinée aux clients (accès, APIs, observabilité) que les clients utilisent en autonomie.
- 19Avoir démontré une approche axée sur l'IA et l'automatisation dans ce rôle : vous avez construit, de manière pratique, des outils basés sur l'IA pour les opérations du parc que l'équipe utilise quotidiennement.
Après 1 an
- 20Exploiter un parc TPU multi-sites aux objectifs de fiabilité et d'efficacité promis aux clients, avec des incidents devenant plus rares et plus prévisibles.
- 21Avoir construit une organisation de calcul performante avec des leaders solides dans chaque domaine et une exigence de recrutement qui se maintient à mesure que l'équipe grandit.
- 22Avoir fait de la plateforme de calcul un facteur différenciant dans les gains et renouvellements de clients, avec une feuille de route pour les prochaines phases de capacité convenue avec Google et l'équipe de direction.