智算网络工程师

岗位定位：

负责智算集群（GPU）高性能网络的设计、建设和运营，满足 AI 训练和推理业务对带宽、时延和可靠性的要求。

岗位职责：

负责智算集群网络拓扑、地址和容量规划，结合计算和存储需求设计连通、隔离和冗余方案，编写配置规范和验收标准；

负责 IB/RoCE 网络的配置、调优和维护，分析拥塞、丢包和链路异常，协同计算团队提升分布式训练通信效率，包括 NCCL 性能排查；

负责 Kubernetes 容器网络和 IPAM 的建设与维护，完善地址分配、路由、网络策略和服务连通，满足多租户隔离要求；

建立网络连通、带宽、时延和集合通信测试方法，结合训练负载验证端到端表现，定位跨节点性能和兼容性问题；

完善链路、设备和容器网络的监控告警与故障处理流程，与 SRE 团队共建排障手册，通过变更验证和应急演练提升恢复效率；

推进网络配置、资产和地址资源的自动化管理，编写巡检和验收工具；负责网络方案的项目交付、验收和运维交接。

任职要求：

计算机、通信工程、电子工程等相关专业本科及以上学历；

5 年以上数据中心网络架构设计和实施经验，有智算网络经验者优先，优秀者可放宽年限；

深入理解 RDMA 技术，熟悉 IB、RoCE 方案，精通 TCP/IP、BGP、OSPF、VXLAN，熟悉 Spine-Leaf 架构；

具备独立设计和优化复杂网络架构的能力，能承担跨团队网络项目交付；熟悉 NCCL 和 GPU 集群网络架构者优先；

持有 NVIDIA NCP-AIN、华为 HCIE-Datacom/HCIE-数据中心网络、H3CIE、CCIE 中任一认证者优先，有 CKA/CKS 或 RHCE 者优先。

综合素质要求：

能独立排查网络疑难问题并推动解决，不等靠指令；

对负责的网络有责任心，问题不解决不放手；

多任务并行时能管好优先级，关键事项有反馈；

有项目意识，排期和风险能主动管理。