岗位职责
- 智算网络架构设计与演进： 负责千卡/万卡级AI训练集群的网络架构规划与设计，主导基于RoCE v
- Solar/Stellar等高性能网络技术的落地，确保低延迟、高吞吐的网络环境以支撑大模型训练效率；
- 高性能网络优化： 深入分析分布式训练中的网络瓶颈，通过拥塞控制算法调优、流量调度策略优化、网卡参数微调等手段，极致提升集群线性加速比；
- 自动化运维体系构建： 设计并实施网络自动化、智能化运维方案，利用AI Agent驱动实现配置管理、故障自愈及性能监控，构建可观测性极强的智能网络运维平台；
- 前沿技术探索与落地： 跟踪业界最新网络硬件（如
- 6Tbps RDMA网卡和DPU）及协议标准（RDMA、PCIe、NVLINK、ETH+等），推动新技术在现网中的验证与规模化部署；
- 跨部门协同与故障攻坚： 与算法、系统、存储团队紧密协作，解决复杂场景下的网络疑难杂症，保障核心业务
- 99%的高可用性。
职位要求
专业领域：
- 计算机、通信、电子工程等相关专业；
- 专业能力： 有ACM/NOI/IOI等编程大赛获奖经历者优先，有主导开源项目（star > 1K)经验者优先，有CCF-A类会议和期刊论文者优先；
- 专业经验： 有大型数据中心网络建设运维经验，有RDMA协议设计经验，或有NCCL/DeepEP/MPI等通信库研发经验者优先；
- 技术深度： 精通集合通信原理，精通CUDA编程，有AllReduce、All2All、Allgather等集合通信算子开发经验； 精通TCP/IP协议栈，深刻理解RDMA (RoCE v2)、PFC、ECN、DCQCN等流控与拥塞控制机制； 熟悉主流网络设备（如NVIDIA/Mellanox, Broadcom等）的架构与配置； 具备扎实的编程能力（Python/Go/C++），有网络自动化开发或内核网络栈修改经验者极佳。
- 问题解决： 具备极强的逻辑分析能力，善于使用抓包工具、遥测数据定位深层次网络问题，能在高压下快速恢复业务；
- 综合素质： 对技术充满热情，具备良好的沟通协作能力和文档撰写习惯，拥有严谨的工程思维。 AI能力：
- 拥抱AI思维：对AI带来的技术变革保持敏锐好奇心，对试用AI提升平台研发、网络Infra运维效率与优化有学习热情，愿意探索“AI+网络”的无限可能；
- 探索AI协同（人机协同）：能快速学习并运用AI编程助手提升研发效率，具备开放的技术视野，并乐于探索人机协同解决复杂工程问题的新模式；
- 基础知识：了解大模型/AIOps/机器学习/深度学习的基本原理，对AI模型训练、推理、Agentic-AI等核心概念有基本认知，不局限于特定领域应用；
- 实践意愿：对AI技术在网络Infra中的应用有浓厚兴趣，无论是“AI+运维”、“AI+数据分析”、“AI+Coding”，还是其他创新方向，都愿意通过代码实践去验证想法，从0到1探索技术边界。
