岗位职责：

1.设计并实现面向大规模AI集群的高性能GPU/AI芯片间通信库（类似NCCL/UCX/Gloo），负责其架构设计、核心模块开发和性能极致优化。

2.深度挖掘与利用底层硬件互联技术（如类BRLink、PCIe、RDMA或公司自有技术）的特性，设计高效的通信拓扑、路由策略、流控算法和数据传输协议。

3.实现并优化关键通信集合操作符，如AllReduce、AllToAll、Broadcast、ReduceScatter等，为分布式训练与推理提供基石。

4.与编译器、驱动、算子库、AI框架（PyTorch/TensorFlow）团队深度协作，构建软硬协同的端到端通信解决方案，最大化系统整体效率。

5.分析和建模通信性能瓶颈，通过软件手段（如计算/通信重叠、拓扑感知调度、梯度压缩等）持续优化通信库的延迟、带宽和扩展性。

6.跟踪通信库和分布式系统领域的前沿技术，探索创新的通信模式与算法，保持技术领先性。

任职要求：

学历背景：计算机、软件工程、人工智能、电子工程等相关专业

专业基础：

1.深入理解计算机体系结构，特别是GPU/AI加速器的并行计算模型、内存层次结构和I/O子系统。

2.扎实的计算机网络和分布式系统知识，理解TCP/IP、RDMA等网络协议，了解RPC、一致性模型等概念。

3.对高性能计算有浓厚兴趣，了解并行计算基本原理。

技能要求：

1.精通C/C++，具备扎实的编码功底和系统级软件开发能力。

2.具备优秀的系统设计和抽象能力，能够设计高性能、高可用的软件库架构。

3.熟悉Linux开发环境，熟练使用Git、GDB、Perf等工具进行开发和性能分析。

4.具备强烈的性能优化意识，享受挑战性能极限的过程。

5.良好的问题解决能力、团队协作精神和快速学习能力。

加分项：

1.有MPI、NCCL、UCX、Gloo、Horovod等通信库的开发、优化或深度使用经验。

2.熟悉CUDA编程，了解GPU kernels、stream、event等并发机制。

3.熟悉PyTorch DDP或TensorFlow MirroredStrategy等分布式训练框架的原理。

4.在系统、网络、高性能计算相关顶级会议（如SC, PPoPP,

5. OSDI, SOSP, NSDI, MLSys, ATC等）发表过论文。

6.有ACM-ICPC、数学建模竞赛等大型编程或算法竞赛获奖经历。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录