Sakeena Fiza 帮助英伟达硬件在规模化下成功

当萨基娜·菲扎描述自己在英伟达担任验证工程师的工作时，她的用词与其说是世界级的工程实验室，不如说更像是一部侦探小说。

“验证工程师会深入阴影，把光线投向每一个角落，”菲扎说道，“每当我们拿到一个系统，我们的第一反应就是：它会如何出故障？”

那么，一旦出现问题呢？

“我总是把它看作一个需要破解的谜题，”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们所研究的系统，正是人工智能时代的引擎。她的工作从整个世界还未知晓产品存在之时便已开始——在实验室里，当新系统第一次通电时。

组件逐一启动，电路板逐步集成，固件与软件团队紧密协作，工程师们则时刻关注着系统最初的运行迹象。

菲扎在英伟达工作之初最深刻、也最持久的记忆之一，是她首次在系统层面看到NVIDIA Rubin GPU正常运行时所感受到的那种集体喜悦。

“屏幕上赫然显示‘NVIDIA Corporation Device’，”她回忆道，“所有人都欢呼雀跃，因为那是鲁宾GPU首次在系统层面被识别出来。”

这些激动人心的时刻，仅仅只是开端。接下来，系统必须变得坚如磐石：从单个托盘到机架，再到集群，直至生产线，最终抵达客户的AI工厂。

菲扎将验证——即在量产前确保物理设备正常运作的过程——比作“成为产品的第一批用户”，在任何其他人依赖它之前，就已在各种真实场景下将其硬件推向极限。

“我们的目标始终是在客户发现问题之前，就把问题揪出来，”她说。

菲扎在加州大学尔湾分校获得计算机科学与工程学士学位后加入英伟达。她投身硬件领域，源于对系统日益浓厚的兴趣。

在迪拜长大的她，通过Logo编程语言初识代码，由此开启了探索系统设计的旅程，包括在高中机器人营中建造火星探测车，以及在大学期间参与无人机项目。

吸引她从事数据中心系统工作的，是能够全面接触整台机器的机会。在英伟达，她表示，验证恰好处于这样一个交汇点：固件、硬件、软件、机械设计、热特性、制造工艺以及客户体验，无不囊括其中。

“我想当机械工程师时，就能做机械工程师；想当电气工程师时，就能做电气工程师；想当固件工程师时，也能做固件工程师，”她说。

她追寻的故障，可能规模宏大，也可能细微至极。机架级别的问题，或许涉及高速信号传输、热余量或电源完整性；另一些则可能归结于螺丝拧得过紧，或是客户现场的灰尘浓度超标。

“解决方案有时难以捉摸，”菲扎说，“我们必须抽丝剥茧，排除干扰，找准方向。”

当日志记录下某个环节的失败时，菲扎的工作便是查明原因。验证工程师会重现故障，改变条件，深入分析固件，剔除机械变量，探测信号，研究示波器波形，并逐步缩小可能的病因范围。

一块电路板上可能包含数以万计的元器件；一个机架则接近五十万个。这些部件不仅需要共存，更要在压力之下，在复杂的生产与部署环境中，以多样化的AI工厂配置为背景，作为一个整体协同运作。

“我希望人们能理解，支撑人工智能运行的硬件究竟有多复杂，”菲扎说。

对菲扎而言，工作的压力与乐趣密不可分。她说，系统启动阶段就像“复仇者联盟集结”：架构师、设计师、软件工程师、固件工程师、验证工程师齐聚一堂，齐心协力让系统顺利运转。

“我每天来上班都清楚一点：我绝不是孤军奋战，”她说。

成为一名验证工程师，意味着秉持一种严谨的怀疑精神：先相信系统能够正常工作，再设法设想它可能出现的所有故障。这项工作既需要像名侦探般锲而不舍的毅力，也需要全科医生般的诊断能力，以及面对灾难性故障时仍能从容应对的心态——就像别人解谜填字游戏一样。

每个项目都会带来新的谜题、新的失效模式，同时也为改进下一版系统提供了契机。

“对于我们手头正在开发的产品，我感到无比兴奋，”菲扎说，“它们必将改变世界。”