阿里云阿里云智能-数据中心网络高级架构师-北京/杭州
任职要求
● 8年以上网络领域的架构设计、测试、方案经验，有大型互联网公司数据中心网络相关的工作经验； ● 熟悉TCP/IP网络，熟悉交换机、路由器等网络设备的软硬件体系，熟悉芯片转发和网络互连协议，熟悉BGP等网络转发协议； ● 熟悉云计算场景中，计算、存储、虚拟网络，有深入理解某一领域产品的网络实现者优先； ● 熟悉AI计算场景的网络模型，熟悉新的AI智算模型训练和推理技术…
工作职责
1、技术洞察和问题定义 •洞察网络技术发展方向，熟悉和定义技术标准以及前沿进展，跟踪关键竞对的技术和方法。 •结合产品现状定义网络问题，理解业务目标并分解到网络技术待解决问题中。 2、架构规划 •对业务的网络诉求进行架构抽象，建立业务长期发展的网络架构模型和规划。 •制定负责领域的网络架构规划和技术路线图，确定系统目标和方向，考虑关键技术选型、部署架构等多方面因素，确保网络架构的稳定高质量演进。 3、架构设计 •设计网络架构方案，包括规模能力、架构互联、路由、高可靠等。 •拆解关键设计目标为架构系统设计方案，全面评估技术选型、成本、稳定性、部署复杂度等多方面进行架构详细设计。 4、架构落地 • 详细设计架构落地的依赖，并设计和推动各组件和团队进行设计开发，以支撑架构落地。 • 设计测试方案，针对架构设计的关键feature和组件进行全面测试评估，确保技术可行性、性能、稳定性等满足设计预期。 • 输出架构详细设计LLD文档和架构测试文档，向运营团队输出架构运维指导。 5、技术沉淀和赋能 •团队技术架构分享、技术文档和架构规范沉淀、竞对技术调研和分析、学习引入新的网络技术，学习并分享负责业务方向的业务架构，尤其成为业务对网络部分的专家，形成文档沉淀。
网络工程师-数据中心方向 1、负责数据中心网络架构设计、网络规划、建设交付，并结合公司业务发展持续优化网络性能; 2、负责数据中心交换机、路由器、负载均衡等网络设备的运维管理、事件响应和应急处理工作，对网络带宽使用进行分析调优； 3、负责网络设备（路由器/交换机）的选型、测试、RMA等工作； 4、负责网络前沿技术研究，根据业务发展的需求，完成技术方案设计与项目落地。
1、云产品稳定性保障，风险巡检：客户云产品稳定性、体验相关事项治理，产品风险巡检，故障的应急跟进与处理； 2、客户技术专项处置与支持：复杂、疑难问题/技术方案/活动护航保障/产研共建专项主导与管理工作； 3、排查问题，管控体验：高效排查解决产品技术售后问题，在服务过程中关注客户体验提升、有效管控客情； 4、专精客户行业，技术沉淀：提炼客户行业技术服务方案，沉淀内部技术文档，持续提高公共云/混合云各行业最佳实践能力；
1、云产品稳定性保障，风险巡检：客户云产品稳定性、体验相关事项治理，产品风险巡检，故障的应急跟进与处理； 2、客户技术专项处置与支持：复杂、疑难问题/技术方案/活动护航保障/产研共建专项主导与管理工作； 3、排查问题，管控体验：高效排查解决产品技术售后问题，在服务过程中关注客户体验提升、有效管控客情； 4、专精客户行业，技术沉淀：提炼客户行业技术服务方案，沉淀内部技术文档，持续提高公共云/混合云各行业最佳实践能力；
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。