阿里巴巴AI Infra高性能网络研发工程师

任职要求

专业领域：
1.  计算机、通信、电子工程等相关专业； 
2. 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；
3. 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；
4. 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。
5. 问题解决： 具备极强的逻…

工作职责

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。