AI Infrastructure

认证主题	考试权重	涵盖的技术
系统与服务器启动调试	31%	描述部署和验证的事件顺序 描述 AI 工厂的网络拓扑 执行 BMC、OOB 和 TPM 的初始配置 执行固件升级 (包括 HGX™) 及故障检测 验证电源和散热参数 安装基于 GPU 的服务器 (SMI) 验证已安装的硬件 描述并验证线缆类型和收发器 安装物理 GPU 验证硬件在工作负载下的运行情况 配置第三方存储的初始参数
物理层管理	5%	配置和管理 BlueField® 网络平台 配置 MIG (AI 和 HPC)
控制平面安装与配置	19%	安装 Base Command™ Manager (BCM)，配置并验证 HA 安装操作系统 安装集群 (配置类别、接口，安装 Slurm/Enroot/Pyxis) 安装/更新/移除 NVIDIA GPU 和 DOCA™ 驱动 安装 NVIDIA 容器工具包 演示如何在 Docker 中使用 NVIDIA GPU 在主机上安装 NGC™ CLI
集群测试与验证	33%	执行单节点压力测试 运行 HPL (高性能 Linpack) 执行单节点 NCCL (包括验证 NVLink™ Switch) 通过验证信号质量检查线缆 确认布线正确 确认交换机上的 FW/SW 确认 BlueField-3 上的 FW/SW 确认收发器上的 FW 运行 ClusterKit 进行多维度节点评估 运行 NCCL 验证 E/W Fabric 带宽 执行 NCCL 烧机测试 执行 HPL 烧机测试 执行 NeMo™ 烧机测试 测试存储
故障排查与优化	12%	识别并排查硬件故障 (如 GPU、风扇、网卡) 识别故障卡、GPU 和电源 更换故障卡、GPU 和电源 执行 AMD 和 Intel 服务器性能优化 优化存储