About The Role

工作职责
负责设计和实现基于摩尔线程GPU的高性能通信库（如类NCCL架构），支持多GPU间及跨节点的高效通信，满足AI训练、科学计算、数字孪生等场景的极致性能需求。
参与GPU硬件架构协同设计，定义片上网络（NoC）、片间互联（如MUSA Link）及对外RDMA网络接口，推动软硬件一体化优化，影响未来产品路线。
与AI框架团队深度协作，将通信库无缝集成至PyTorch、TensorFlow等主流框架，优化分布式训练（DDP、Horovod等）的通信瓶颈，支撑超大规模集群扩展。
深入研究和应用RDMA技术（InfiniBand、RoCEv2），利用GPUDirect RDMA、GPU Direct Async等机制实现零拷贝通信，最大限度降低延迟、提升带宽利用率。
探索和实现新型集合通信算法（AllReduce、AllGather、点对点通信等）的软件与硬件协同优化，提升大规模并行计算的扩展性和可靠性。
跟踪高性能计算、AI基础设施（AI Infra）前沿技术，主导学术论文阅读与技术分享，推动通信库在自动并行、编译优化等方向持续创新。
任职资格
计算机科学、电子工程、数学等相关专业本科及以上学历，硕士博士优先。
扎实的计算机基础知识，深刻理解计算机体系结构、操作系统、网络协议栈，熟悉Linux内核网络子系统。
精通C/C++编程，具备优秀的代码设计和调试能力，熟悉常用数据结构和算法，有良好的工程习惯。
熟悉并行编程模型，具备CUDA、HIP或OpenCL等GPU编程经验，了解GPU硬件架构（流多处理器、显存层次、PCIe/NVLink等）。
深入理解RDMA技术，熟悉InfiniBand、RoCEv2等协议，有实际RDMA编程经验（如ibverbs、libfabric、UCX、Verbs API）。
有高性能通信库开发经验，参与过NCCL、RCCL、MPI、NVSHMEM、GLEX等类似项目，或具备通信中间件研发背景。
熟悉主流AI框架（PyTorch、TensorFlow、JAX）的分布式训练原理，了解Horovod、DDP、FSDP等并行策略，能够进行性能分析与调优。
熟悉Linux开发环境，熟练使用Git、CMake、Bazel等工具，具备良好的Python/Bash脚本能力。
积极乐观，责任心强，善于跨团队沟通与协作，具备出色的分析和解决问题能力。
加分项
在顶尖会议或期刊（如SC、HPCA、ISCA、MICRO、PPOPP、OSDI、SOSP等）发表过论文。
在高性能计算竞赛（ISC/SC Student Cluster Competition）或编程竞赛（ACM/ICPC、NOI）中获奖。
深入了解NVIDIA/AMD GPU硬件架构，特别是NVLink、NVSwitch、InfiniBand、GPUDirect等技术的实现细节。
有汇编级优化经验，熟悉GPU汇编指令（如SASS）或CPU汇编优化。
对AI框架底层实现有深入理解，参与过PyTorch/TensorFlow通信层的开发或优化。
有自动代码生成、编译优化（如TVM、XLA、MLIR）相关经验。
优秀的英语听说读写能力，能够流畅阅读英文技术文档和学术论文，参与国际技术交流。
具备出色的文档撰写能力和技术分享能力，能够清晰表达复杂技术方案。

This is an external listing. JobSpring does not represent or verify the employer. Report this listing

GPU高性能网络通信库研发工程师(J10845)

About The Role