Sakeena Fiza助力NVIDIA硬件规模化成功

当萨基娜·菲扎描述她在英伟达的验证工程师工作时，她用的措辞更像是在讲述一个侦探故事，而不是世界一流工程实验室的工作。

"验证工程师在暗处寻找问题，照亮每一个角落，"菲扎说。"每当我们获得一个系统，我们首先想到的是：它怎样才会坏？"

当它真的坏了呢？

"我总是喜欢把它看作是一个要解决的谜团，"她说。

在英伟达，菲扎和她在数据中心系统工程实验室的同事调查的系统是人工智能时代的引擎。她的工作开始于世界其他地方知道产品存在之前——在实验室里——当一个新系统首次通电时。

组件一个接一个地被激活，电路板被集成，固件和软件团队蜂拥而至，工程师们观察第一次生命迹象。

菲扎在英伟达工作中最早和最深刻的记忆之一，是当她看到英伟达鲁宾GPU首次在系统级别工作时所经历的集体喜悦。

"它字面上就说，'英伟达公司设备，'"她回忆道。"每个人都在欢呼雀跃，因为这是世界上第一次鲁宾GPU在系统级别上枚举。"

这些时刻虽然令人兴奋，但只是开始。从那里开始，系统必须变得更有弹性：从托盘到机架到集群到生产线到客户人工智能工厂。

菲扎将验证——在大规模生产开始前确保物理设备正确工作的过程——描述为成为"产品的第一批客户"，在各种真实世界条件下将硬件推向极限，然后其他任何人才必须依赖它。

"目标是始终在客户发现问题之前捕捉问题，"她说。

在实验室之外，菲扎和同事们在圣克拉拉办公室的各个联合办公空间合作。

菲扎在加州大学尔湾分校获得学士学位后来到英伟达，她在那里学习了计算机科学和工程。她进入硬件领域是由于对系统的逐渐迷恋。

在迪拜长大的她通过Logo编程语言被引入编程，这促使她在未来进行系统设计的探索，包括在高中机器人营地建造火星探测车和在大学期间从事无人飞行器的工作。

吸引她从事数据中心系统工作的是有机会与整个机器一起工作。她说，在英伟达，验证正好位于这个交叉点：固件、硬件、软件、机械设计、热行为、制造和客户体验。

"我可以在我想成为机械工程师时成为机械工程师，"她说。"我可以在我想成为电气工程师时成为电气工程师。我可以在我想成为固件工程师时成为固件工程师。"

她追踪的故障可能是巨大的或微观的。一个机架级问题可能涉及高速信号、热余量或电源完整性。另一个可能归结为拧得太紧的螺钉或客户设施中的灰尘水平。

"解决方案可能难以捉摸，"菲扎说。"我们必须追踪线索，忽视误导性信息，并知道在哪里寻找。"

当日志显示某些内容如何失败时，菲扎的工作是发现原因。验证工程师重现问题，改变条件，调查固件，消除机械变量，探测信号，研究示波器快照并缩小可能的原因。

单个电路板可能包含数万个组件；一个机架可能接近50万个。这些部件不仅要共存。它们必须在压力下表现得像一个系统，大规模地，在生产和部署的复杂现实中，跨越多样化的人工智能工厂配置。

"我希望人们能理解人工智能需要运行的硬件有多么复杂，"菲扎说。

对菲扎来说，工作的压力与快乐是不可分割的。她说，启动就像"复仇者集结"：架构师、设计师、软件工程师、固件工程师、验证工程师，都在房间里，竞速朝着一个工作系统前进。

"我来工作时知道的一件事是我从不孤独，"她说。

成为验证工程师是要实践一种有纪律的怀疑：相信一个系统能工作，然后尝试想象它可能不工作的每一种方式。这项工作需要伟大侦探的顽强性，以及全科医生的诊断能力，和以对待纵横字谜的方式来应对灾难性失败的气质。

每个项目都带来一个新的谜题、一种新的失败模式，进而是一个使下一个系统更好的机会。

"有了我们正在进行中的产品，我非常兴奋，"菲扎说。"它们将改变世界。"