AI基础设施系统架构师

职位描述

1. 集群网络架构设计

负责大规模计算集群（GPU集群/分布式存储/云原生集群）的网络顶层架构设计，包括Spine-Leaf架构、无损网络（Lossless Network）、东西向流量优化方案；

针对AI训练/推理场景（A100/H100/H20集群），设计RDMA/RoCE v2或InfiniBand高性能网络方案，满足大模型训练的带宽和时延要求。

2. 网络方案规划与交付

主导数据中心内部组网方案设计，包括网络拓扑规划、IP地址规划、VLAN/VXLAN划分、BGP/ECMP策略设计；

输出详细网络实施方案（HLD/LLD）、设备选型清单（交换机/光模块/网卡）及布线方案（铜缆/光纤/AOC/DAC）。

3. 网络性能调优与可靠性保障

优化集群网络吞吐、时延和PFC/ECN参数，解决incast、拥塞控制等高性能网络难题；

设计网络冗余方案（MC-LAG、M-LAG、ECMP），确保集群网络99.99%可用性，制定故障自愈策略。

4. 跨域技术协同

与服务器硬件、云原生（Kubernetes/CNI）、存储（Ceph/GPFS）团队协作，打通计算-网络-存储链路；

支持业务团队（AI算法/大数据）完成集群网络需求分析，提供技术可行性评估和成本优化建议。

5. 技术标准化与自动化

制定集群网络建设标准规范（SOP）、网络设备准入标准和验收标准；

推动网络自动化（Ansible/Python/Netconf），实现网络配置批量下发和自动化巡检。

任职要求

1. 学历与经验

本科及以上学历，计算机、通信、网络工程等相关专业；

5年以上数据中心网络或大规模集群网络设计经验，至少主导过2个千台级服务器规模集群的组网项目。

2. 技术能力（硬性要求）

精通数据中心网络架构：深入理解Spine-Leaf、CLOS架构，熟悉BGP、OSPF、VXLAN、EVPN等协议；

高性能网络经验：熟悉RDMA技术栈（RoCE v2/iWARP/InfiniBand），掌握PFC、ECN、QoS调优，有GPU集群（NVLink+网络）设计经验优先；

设备与工程能力：熟悉华为、H3C、Cisco、Arista、Mellanox（NVIDIA）等主流交换机配置，了解DCI互联和光通信方案；

故障排查能力：熟练使用抓包工具（Wireshark/tcpdump）、网络诊断工具，能快速定位网络抖动、丢包、拥塞等问题。

3. 软性素质

具备优秀的方案撰写能力（PPT/Word/Visio），能向非技术背景管理层清晰汇报架构方案；

具备项目管理能力，能协调厂商、施工队和内部团队按期交付；

对AI智算、大模型训练场景有好奇心，能快速学习新技术（如CXL、DDC等新型网络架构）。