职位类别：技术类 业务集团：阿里云 职位描述：负责大模型推理系统中网络性能优化和设计。深入了解计算机体系结构与网络系统相关知识。熟悉推理系统算法及推理基础设施的原理、关键问题与方案。核心工作职责包括： 1、KV Cache相关的传输优化； 2、通信协议优化：RDMA、TCP实现高效的分布式传输； 3、模型特定的优化方案：针对MOE、Prefix KV Cache等特殊模型架构，提供定制化的优化解决方案，支持各类大模型架构； 4、性能基准测试与监控系统建设：建立完整的性能评估框架，实现实时监控和分析，提供性能优化的数据支撑； 5、开源社区贡献与技术文档撰写：积极参与vLLM、HiCache等开源项目，撰写详细的技术文档和优化指南。 职位要求：1、有GPU计算系统优化经验，熟悉CUDA编程和GPU系统架构； 2、深入理解PyTorch/vLLM推理框架的架构和工作原理，有框架优化经验； 3、掌握CUDA、NCCL等并行编程技术，了解GPU间的通信机制； 4、有大规模分布式系统的设计与实现经验，理解分布式系统的核心问题； 5、良好的工程能力和代码质量意识，能够编写高性能、可维护的代码。 加分项： 1、有顶级开源社区（Linux Kernel、PyTorch、TensorFlow等）的实质性贡献经验； 2、发表过系统优化或并行计算相关的学术论文（CCF A类以上）； 3、有AWS/GCP/Azure等云服务AI推理优化的实战经验； 4、深入了解NVLink、RDMA等高性能通信协议，有优化经验。