岗位职责： 1.设计并实现面向大规模AI集群的高性能GPU/AI芯片间通信库（类似NCCL/UCX/Gloo），负责其架构设计、核心模块开发和性能极致优化。 2.深度挖掘与利用底层硬件互联技术（如类BRLink、PCIe、RDMA或公司自有技术）的特性，设计高效的通信拓扑、路由策略、流控算法和数据传输协议。 3.实现并优化关键通信集合操作符，如AllReduce、AllToAll、Broadcast、ReduceScatter等，为分布式训练与推理提供基石。 4.与编译器、驱动、算子库、AI框架（PyTorch/TensorFlow） 团队深度协作，构建软硬协同的端到端通信解决方案，最大化系统整体效率。 5.分析和建模通信性能瓶颈，通过软件手段（如计算/通信重叠、拓扑感知调度、梯度压缩等）持续优化通信库的延迟、带宽和扩展性。 6.跟踪通信库和分布式系统领域的前沿技术，探索创新的通信模式与算法，保持技术领先性。 任职要求： 学历背景： 计算机、软件工程、人工智能、电子工程等相关专业 专业基础： 1.深入理解计算机体系结构，特别是GPU/AI加速器的并行计算模型、内存层次结构和I/O子系统。 2.扎实的计算机网络和分布式系统知识，理解TCP/IP、RDMA等网络协议，了解RPC、一致性模型等概念。 3.对高性能计算有浓厚兴趣，了解并行计算基本原理。 技能要求： 1.精通C/C++，具备扎实的编码功底和系统级软件开发能力。 2.具备优秀的系统设计和抽象能力，能够设计高性能、高可用的软件库架构。 3.熟悉Linux开发环境，熟练使用Git、GDB、Perf等工具进行开发和性能分析。 4.具备强烈的性能优化意识，享受挑战性能极限的过程。 5.良好的问题解决能力、团队协作精神和快速学习能力。 加分项： 1.有 MPI、NCCL、UCX、Gloo、Horovod 等通信库的开发、优化或深度使用经验。 2.熟悉CUDA编程，了解GPU kernels、stream、event等并发机制。 3.熟悉PyTorch DDP 或 TensorFlow MirroredStrategy 等分布式训练框架的原理。 4.在系统、网络、高性能计算相关顶级会议（如 SC, PPoPP, 5. OSDI, SOSP, NSDI, MLSys, ATC 等）发表过论文。 6.有ACM-ICPC、数学建模竞赛等大型编程或算法竞赛获奖经历。