职位类别：技术类 业务集团：阿里云 职位描述：随着AI大模型参数规模迈向万亿级，算力集群已从“千卡”向“万卡”演进，网络通信成为制约大模型训练效率的核心瓶颈。本团队正承担面向下一代大模型的超低延迟、高吞吐、高稳定性的RDMA网络全栈解决方案的重点项目。我们需要具有深厚理论功底和极强工程落地能力的博士人才，共同攻克RDMA网卡架构及智能传输层协议等“无人区”难题，定义未来智算网络的行业标准。 您将作为核心骨干，深度参与以下一个或多个方向的研究与落地： 1、RDMA网络及网卡架构研发： · 参与新一代高性能RDMA网卡（RNIC）的架构定义与逻辑设计，优化数据包处理流水线。 2、智能传输层协议攻关（核心重点）： · 拥塞控制：研发基于实时遥测数据的新型拥塞控制算法，解决大模型流量突发导致的Incast问题和队头阻塞。 · 多路径传输：设计基于流/包粒度的多路径负载均衡算法，提升复杂拓扑下的带宽利用率。 · 可靠性机制：研究RDMA网络下的快速重传、前向纠错（FEC）及故障自愈机制。 职位要求：基本要求 1、获得计算机科学与技术、计算机网络、通信工程、电子工程等相关专业博士学位。 2、在顶级会议或期刊（如SIGCOMM, NSDI, ISCA，SC, HPCA, ATC, IEEE/ACM ToN等）以第一作者身份发表过高水平论文者优先。 核心技能（满足其一即可，多项兼备者极佳） 1、网络协议栈深度理解：精通TCP/IP、RDMA/RoCEv2、InfiniBand协议细节，对拥塞控制（DCQCN, HPCC, TIMELY等）有深入研究； 2、分布式系统经验：熟悉NCCL、RCCL、MPI等通信库源码，有大规模分布式训练系统优化经验者优先； 3、硬件/底层开发能力：有DPDK、SPDK、eBPF等内核旁路技术开发经验； 4、算法与仿真能力：具备极强的数学建模能力，熟练使用NS-3、Omnet++或自研仿真器进行网络性能评估。 综合素质 1、对AI基础设施领域充满热情，具备敏锐的技术洞察力，能够独立思考并定义前沿问题； 2、具备优秀的代码能力（C/C++/Go/Python），不仅限于理论研究，更渴望将算法落地到实际产品中； 3、良好的沟通协作能力，能够跨团队（算法、芯片、系统、业务）推动复杂项目进展。