快手高性能网络研发工程师

1、负责大规模AI训练和推理场景的集合通信库、RDMA协议栈研发和调优； 2、负责大规模存储等通用业务场景的RDMA协议栈、传输通信库及中间件的研发和调优； 3、参与构建Lossy RDMA网络解决方案，并负责相应拥塞控制算法的研发和调优。

1. 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 v2、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； 2. 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； 3. 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； 4. 前沿技术探索与落地： 跟踪业界最新网络硬件（如1.6Tbps 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； 5. 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99.99%的高可用性。

1.负责计算集群的高性能RDMA网络系统软件开发和建设工作，构建业界领先的集群高性能RDMA网络性能和稳定性； 2.负责业界大模型训练的主流加速框架（如DeepSpeed、Megatron-LM）与云平台底层技术特点和优势结合，通过自研高性能RDMA网络技术进行持续优化； 3.跟踪业界最新AI基础设施和互联网络通信技术建设情况，包括scale up&out网络，持续打造自研产品竞争力。

1.通信算子开发：设计和实现大模型训练/推理场景下的高效集合通信算子（AllReduce、AllGather、ReduceScatter、AllToAll等）； 2.通信计算融合：设计通信与计算的overlap策略，实现计算通信并行，提升大模型整体训练/推理性能； 3.通信性能调优：针对不同硬件平台（GPU、NPU等）进行算子性能分析和优化，解决性能瓶颈问题； 4.参与AI通信库整体架构设计，制定技术方案和开发规范。