招聘中 社招

阿里控股-集合通信库研发工程师(训练 & 推理)-AI网络

阿里集团

  • 杭州
  • 技术类-开发

收录时间

岗位职责

  1. 负责 AI 计算系统集合通信库的设计、实现与维护:覆盖 AllReduce / AllGather / ReduceScatter / AlltoAll / AlltoAllV 及点对点通信,适配不同规模与拓扑的集群。
  2. 面向训练场景做通信优化:分析 DP / TP / PP / EP 各并行维度的通信 pattern,做计算通信 overlap、通信与算子融合、拓扑感知的算法选择与调参。
  3. 面向推理场景做通信优化:MoE 的 EP dispatch / combine、PD 分离下的 KV Cache 传输,与主流推理框架(vLLM / SGLang / TensorRT-LLM)做联合方案设计与端到端性能优化,追求极致推理性能。
  4. 负责通信库与网络、网卡的协同:在 RoCEv2 / InfiniBand 以及机内互联(NVLink / 自研 scale-up)上做传输路径选型、拥塞控制与多路径调优,并与网络团队联合定位通信侧问题。
  5. 建设通信库的测试、benchmark、可观测与交付能力:集合通信微基准、真实模型作业回放、线上问题定位、版本交付与支持。
  6. 跟踪训练 / 推理前沿技术发展与通信 pattern 演进,形成对通信库与网络架构的优化方向判断。

职位要求

  1. 精通 C++ 编程,熟悉 Python,具备扎实的系统开发、调试与性能优化能力和经验;
  2. 有集合通信库(NCCL / DeepEP / 自研通信库)开发经验或分布式并行训练 / 推理优化经验;熟悉 Ring / Tree / NVLS 等集合通信算法与性能模型者优先。
  3. 熟悉 GPU 体系结构与 CUDA 开发,有 kernel 或融合算子开发优化经验者优先。
  4. 熟悉 RoCEv2 / InfiniBand 等高性能网络协议,了解 NVLink / Infinity Fabric 等机内互联技术,有 RDMA 编程经验者优先。
  5. 了解主流模型架构与常见推理框架(vLLM / SGLang / TensorRT-LLM),能读懂上层框架的通信调用方式。
  6. 具备较强的分析问题、解决问题能力和沟通推动能力,能独立负责一个技术方向并推动落地。

相似岗位

有些机会,只在官网短暂出现

真正值得关注的岗位,常常只在企业官网短暂开放,可能两三天后就下线,也未必会同步到综合招聘平台。没有持续关注,你甚至不会知道它曾经出现。职先机持续聚合并核验官网岗位,帮你抓住职场先机,快人一步。

微信小程序 / 当前岗位

在微信里继续看这个岗位

阿里集团阿里控股-集合通信库研发工程师(训练 & 推理)-AI网络

扫码直达当前岗位收藏、浏览记录和下线提醒留在微信里
电脑端可直接微信扫码;手机端可保存小程序码后在微信中识别。
微信扫码在职先机小程序查看阿里控股-集合通信库研发工程师(训练 & 推理)-AI网络小程序码按需加载
职先机微信小程序一岗一码 · 正式版直达

岗位提醒 · 01

收藏当前岗位,下线及时通知

当前岗位阿里控股-集合通信库研发工程师(训练 & 推理)-AI网络阿里集团 · 杭州

01

扫码进入当前岗位无需重新搜索,直接打开当前岗位详情。

02

收藏并开启提醒在小程序内收藏后,岗位下线或变化时及时通知。

03

继续查看相似机会原岗位变化时,可继续浏览相关在招岗位。

职先机会持续核验公开岗位;岗位状态与最终招聘结果仍以企业招聘官网为准。

微信小程序扫码打开当前岗位

扫码打开当前岗位,完成收藏并开启下线提醒。

微信扫码在职先机小程序收藏阿里控股-集合通信库研发工程师(训练 & 推理)-AI网络小程序码按需加载

微信小程序 · 当前岗位

请前往微信小程序提交内推申请

阿里集团阿里控股-集合通信库研发工程师(训练 & 推理)-AI网络社招 · 杭州

01进入当前岗位扫码或打开后直达本岗位内推申请页。

02提交 PDF 简历简历替换、处理进度和消息提醒在小程序内同步。

手机端将尝试直接打开微信;电脑端请使用微信扫码。

微信扫码进入阿里控股-集合通信库研发工程师(训练 & 推理)-AI网络内推申请页小程序码按需加载
当前岗位专属码扫码后无需重新搜索岗位

内推提示

暂不支持该岗位内推

如需投递,建议前往官网进行投递。