Forward Deployed Engineer AI Inference (Senior)

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Senior-инженер, отвечающий за техническую сторону крупнейших сделок по инференсу AI-моделей — от первого звонка до запуска. Выступает техническим контрагентом для CTO и ML-лидов клиентов, проектирует конфигурации инференса и работает вместе с коммерческой командой.

Задачи

• Вести техническую сторону крупнейших и самых сложных сделок по инференсу от discovery до go-live
• Быть старшим техническим контрагентом для CTO и ML-лидов клиентов по архитектуре, сайзингу, SLA, компромиссам latency/throughput и стоимости
• Проектировать выделенные конфигурации инференса: выбор модели, тип и количество GPU, параллелизм, квантизация, inference engine и конфигурация
• Проводить бенчмарки и proof of concept, превращать результаты в чёткие рекомендации
• Согласовывать кастомизации клиентов с инженерной командой и решать, что войдёт в продукт
• Строить playbook и инструменты для подбора GPU под нагрузки и передавать выводы в roadmap
• Работать совместно с коммерческой командой над ценообразованием, предложениями и техническими частями контрактов

Требования

• Степень в computer science, data science или смежной области
• 4+ года в customer-facing технической роли: solutions/sales engineer, forward deployed engineer, ML engineer в тесной работе с клиентами или технический консультант
• Практический опыт с LLM inference и model serving (vLLM, SGLang, TensorRT-LLM, Triton) и сайзингом GPU
• Опыт ведения технической стороны сложных B2B-сделок, желательно с enterprise-клиентами
• Убедительность в общении с CTO и инженерами клиентов, умение ясно объяснять компромиссы
• Предпринимательский склад ума: дают задачу — находят решение без блокировок
• Свободный английский

Условия

• Сильная команда: инженеры из хедж-фондов, big tech, AI-стартапов и ведущих университетов
• Ранняя стадия компании на самом быстрорастущем рынке
• Возможность влиять на то, как европейские AI-компании получают доступ к GPU-вычислениям
• Европейская миссия: суверенная AI-инфраструктура, соответствующая GDPR

Навыки

• LLM inference
• vLLM
• SGLang
• TensorRT-LLM
• Triton
• GPU sizing
• квантизация
• параллелизм
• KV-cache
• batching
• бенчмаркинг
• оптимизация производительности