K0rdent AI — это уровень оркестрации, который превращает необработанную, дизагрегированную GPU-инфраструктуру в многотенантное, готовое к production AI-облако — без привязки компаний к единственному гиперскейлеру или поставщику оборудования. Мы продаем ускоренные вычисления: GPU-кластеры, bare metal и управляемую AI-инфраструктуру для Neoclouds, AI-native стартапов, корпоративных AI-команд, исследовательских лабораторий и суверенных/регулируемых покупателей. Это технически сложные, высокоценные сделки с длинным циклом, где продажа выигрывается или проигрывается на основе доверия: сможем ли мы спроектировать правильный кластер, рассчитать реальную TCO, доказать производительность и снизить риски перехода клиента на нашу платформу.
Этот человек отвечает за техническую победу в сделке. Он строит и руководит функцией sales engineering, которая превращает «заинтересованность» в подписанные многолетние контракты с зафиксированным объемом вычислительных мощностей, и устанавливает стандарт pre-sales по мере того, как мы масштабируем штат и объем сделок.
Это не роль «демо-жокея». Нам нужен человек, который действительно разворачивал рабочие нагрузки для обучения и инференса, спорил о топологии interconnect с руководителем ML-инфраструктуры клиента и закрывал крупные сделки с циклами, измеряемыми кварталами, а не неделями.
Руководство и построение команды SE / Solutions Architect
- Нанимать, развивать и удерживать команду sales engineers и solutions architects; определять операционную модель pre-sales по мере масштабирования организации.
- Создавать многоразовые инструменты: фреймворки discovery, референсные архитектуры, модели TCO/benchmark, playbook'и для POV, демо- и benchmark-среды, библиотеки ответов на RFP.
- Устанавливать и поддерживать высокий технический уровень во всей команде; проводить обучение, чтобы каждый SE мог уверенно говорить об архитектуре GPU, сетях и оркестрации.
Ответственность за техническую победу в крупных, сложных сделках
- Работать в партнерстве с Account Executives в качестве технического лидера в стратегических и корпоративных сделках от discovery до технического закрытия.
- Проводить квалификацию по реальной методологии (MEDDPICC или аналог) — выявлять экономического покупателя, критерии принятия решения и технического чемпиона, и строить план победы вокруг них.
- Проектировать решения в области вычислений, сетей, хранения данных и оркестрации; подготавливать расчеты размеров, планы по мощностям и сравнения TCO с гиперскейлерами и собственной разработкой.
- Разрабатывать и вести POC/POV: заранее определять критерии успеха, проводить benchmark'и и превращать результаты в коммерческий импульс.
Быть техническим голосом клиента внутри компании
- Передавать структурированные требования по продукту и мощностям команде продукта, платформы и планирования поставок/мощностей.
- Работать совместно с полевой командой NVIDIA и партнерской экосистемой (программа Cloud Partner, референсные архитектуры, совместные проекты) для усиления сделок.
- Влиять на дорожную карту и упаковку продукта на основе того, что вы узнаете в полевых условиях.
Реальный, практический опыт в области AI/ML-инфраструктуры
- Вы фактически запускали или разворачивали рабочие нагрузки ML — распределенное обучение и/или production-инференс — а не просто говорили о них.
- Практическое знание жизненного цикла обучения и инференса: пайплайны данных, распределенное обучение (multi-node/multi-GPU), fine-tuning и серверинг; вы понимаете, где на самом деле возникают узкие места (interconnect, пропускная способность памяти, I/O, планирование задач).
- Уверенное владение фреймворками и инструментами, которые используют клиенты — PyTorch и окружающая экосистема (например, NCCL, концепции уровня CUDA, контейнеры, scheduler'ы).
Глубокие знания платформы NVIDIA и продуктов GPU
- Актуальные знания вычислительного стека NVIDIA в поколениях Hopper и Blackwell (например, H100/H200, GB200 NVL72 / системы класса B200, суперчипы Grace-Hopper) и семейств референсных систем (DGX, HGX, MGX); осведомленность о том, что ожидается в следующем поколении.
- Знание сетевых технологий: домены NVLink/NVSwitch, InfiniBand (Quantum) против Spectrum-X Ethernet фабрик, RDMA/RoCE, DPU — и почему выбор фабрики определяет успех или провал крупных кластеров обучения.
- Уровень программного обеспечения и платформы: NVIDIA AI Enterprise, NIM, NeMo, Triton / TensorRT-LLM, Base Command, Run:ai / оркестрация GPU и экосистема NGC.
- Понимание механики NVIDIA Cloud Partner и того, как совместно продавать с NVIDIA.
Опыт sales engineering для долгих, высокоценных циклов корпоративных продаж
- Подтвержденный опыт поддержки сложных B2B-сделок с циклами от 6 до 18+ месяцев и крупными ACV/TCV, в идеале включая многолетние структуры с зафиксированной или зарезервированной мощностью.
- Умение работать с множеством заинтересованных сторон — руководителями ML/инфраструктуры, инженерами платформы, закупками, финансами, безопасностью и спонсорами на уровне руководства.
- Способность строить и защищать модель TCO/ROI в сравнении с альтернативами гиперскейлеров и on-prem, а также переводить результаты benchmark'ов в коммерческую ценность.
Доказанное лидерство в команде
- Опыт найма, развития и руководства командой sales engineering / solutions architecture (или явно продемонстрированная готовность к этому), включая построение процессов и обучения, начиная с минимального уровня или с нуля.
- Мышление player-coach: вы по-прежнему убедительны в самых сложных сделках, при этом масштабируя других, чтобы они делали то же самое.