岗位描述
1. 负责 AI 集群和超节点场景下 GPU 通信系统的技术研究,参与架构设计和工程落地, 2. 理解 NCCL、HCCL、MCCL 等 GPU 通信库,以及 RDMA/RoCE 等 Scale-up / Scale-out 互联技术。 3. 研究大规模推理场景下 AllReduce、AllToAll、MoE Dispatch/Combine 等通信模式,分析通信库、GPU 与网络之间的协同机制。 4. 面向国产超节点,负责通信库、Scale-up 互联、多租户隔离及故障恢复等关键技术的调研与实现。 5. 建立集群通信带宽、时延、拓扑效率、集合通信性能模型,进行收益分析和优化。 6. 参与 NCCL/XCCL 通信故障和性能问题定位,并结合 GPU、PCIe、NIC、RDMA、交换网络等全链路分析瓶颈。