高速互联软件工程师

岗位概述

负责自研 AI 加速芯片的互联软件栈设计与开发，对标 NVIDIA Fabric Manager、NCCL、Magnum IO 等核心组件，打造支撑大规模分布式 AI 训练的高性能互联平台。

核心职责

Fabric 管理：设计芯片间互联的 Fabric Manager，实现拓扑发现、链路训练、路由编程、分区管理（多租户隔离）、高可用与错误恢复、跨节点内存映射及 Fabric 监控遥测

集合通信库：开发面向自研加速器的集合通信库（AllReduce / AllGather / Send-Recv 等），实现拓扑感知算法，支持多传输后端（P2P 直连、RDMA、Socket），优化通信计算重叠，并与 JAX 框架集成

IO 子系统：实现 GPUDirect 类零拷贝数据通路（P2P / RDMA 直通），协同 KMD/固件完成 BAR 映射、DMA 引擎等底层机制

任职要求

硕士及以上学历，5 年以上系统软件开发经验

精通 C/C++ 和 Linux 系统编程

深入理解以下至少两个领域：互联协议与 Fabric 管理（PCIe / NVLink / IB）、集合通信库开发（NCCL / MPI）、高性能 IO（RDMA / GPUDirect / DMA）

有 GPU / 加速器编程经验（CUDA 或类似）

优先考虑

NVIDIA、AMD、Intel、Google TPU 等芯片公司互联软件开发背景

NCCL / UCX / libfabric / rdma-core 等开源项目贡献经验

虚拟化（SR-IOV / VFIO）、大规模分布式训练调优、SmartNIC/DPU 开发经验

了解 UALink、CXL 等新兴互联标准

具有 Kubernetes GPU 集群管理、GPU Operator、Device Plugin、DRA 或 AI 算力平台开发经验者优先。

熟悉 GPU/TPU/NPU 资源管理及多机多卡训练软件栈优先。