集合通信库开发工程师

职位描述

1.负责 AI 加速器/GPU/NPU 集合通信库设计与开发，包括 AllReduce、AllGather、ReduceScatter 等通信原语。

2.负责 Scale-up 多加速器互联通信架构设计与性能优化，面向 GPU/NPU 集群内部高速互联场景，开展拓扑感知通信、链路调度、带宽利用率优化等工作。

3.负责集合通信 Runtime、内存管理与 Driver 协同开发，包括 设备内存管理、Memory Mapping、P2P 通信、DMA、GPU Direct RDMA（GDR）、GPU Direct Async（GDA)等能力建设，优化数据传输路径，降低通信开销。

4.负责多机多卡分布式训练通信算法设计与优化，研究并实现 Ring、Tree、Pipeline、Hierarchical Collective 等集合通信算法，针对不同网络拓扑和模型训练特点进行通信路径优化。

任职要求

1.熟练掌握 C/C++，具备 Linux 系统开发经验。

2.熟悉以下至少一个方向：

2.1.RDMA / RoCE / InfiniBand

2.2.CUDA / HIP Runtime

2.3.GPU/NPU 通信栈

2.4.PCIe P2P / DMA

3.熟悉集合通信算法与分布式训练通信原理。

4.具备高性能系统优化与问题分析能力。

熟悉 NCCL、HCCL、MPI、UCX 等通信框架者优先。