中科曙光
网络性能分析/优化高级工程师(J13411)
网络性能分析/优化高级工程师(J13411)
发布于 10 小时前普通员工/个人贡献者
全职员工仅现场办公高性能计算
高性能计算
Ai分布式训练
Cuda
Hpc
Linux内核
Roce
性能分析
网络优化
值不值得投
75综合评分
综合评分 75
高技术深度、前沿领域的HPC/AI网络性能专家岗位，技术成长性强，但工作生活平衡信息不明。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.7万
比高性能计算中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
84 个在招
市场机会
选择适中
北京 · 高性能计算 · 15 个在招
职位详情
关于这个职位
该职位是中科曙光的高级网络性能分析/优化工程师，主要负责高性能计算（HPC）与AI集群网络的性能分析与优化工作
你需要参与从网络架构设计、芯片功能定义到大规模集群部署的全流程，通过性能建模、全栈剖析和压力测试，识别并解决网络瓶颈与可靠性问题，为芯片和系统优化提供关键数据支持
最低要求
学历：计算机科学、电子工程或相关专业硕士及以上
专业知识：
深入理解AI分布式训练原理及通信模式
精通CUDA，熟练使用性能分析工具
熟悉Linux内核、网络（InfiniBand/RoCE）及存储系统原理与调优
编程能力：扎实的Python/C++能力，能开发分析工具
工作职责
架构阶段：基于HPC/AI负载特征，通过性能建模和模拟分析，为网络架构和芯片功能定义提供量化输入（如端网协同设计、多播/拥塞控制优化点）
开发阶段：与芯片及系统团队协作，在FPGA/仿真平台上对典型HPC/AI负载进行全栈性能剖析，定位网络瓶颈
部署阶段：在真实大规模集群上执行压力测试，发现并分析极端场景下的性能与可靠性问题（如同步开销、长时稳定性），为芯片和系统优化提供反馈
优先资格
有超大规模HPC/AI集群性能调优经验
熟悉主流AI模型（Transformer, Diffusion）的通信特性
熟悉集群调度系统（Slurm/Kubernetes）和CI/CD流程
有芯片/系统级性能建模经验
在SIGCOMM、NSDI、ATC等顶会发表过论文或有相关专利
AI 洞察
优缺点分析
优点
- 作为核心岗位，直接参与公司旗舰产品的性能攻坚，对产品成功有直接影响
- 行业处于AI与高性能计算融合的爆发期，岗位价值和行业前景广阔
- 技术门槛高，要求具备跨硬件（网络、芯片）、系统和AI应用的复合型知识体系，学习曲线陡峭
- 问题复杂且抽象，需要在大规模集群上定位和分析微妙的性能与可靠性问题，对分析和调试能力要求极高
- 适合拥有深厚计算机系统、网络工程背景，并对AI底层基础设施有强烈好奇心，乐于攻克复杂、底层技术难题的资深工程师或研究人员
缺点 / 挑战
- 技术深度极高，能接触到AI时代最前沿的高性能网络与芯片协同设计挑战，技术成长天花板高
- 作为高级岗位，预期会承担解决‘卡脖子’难题的职责，工作压力与责任并存
角色解读
- 技术专家路线：深耕高性能网络与AI集群性能领域，成为解决复杂技术难题的核心专家或架构师
- 横向拓展：可以向芯片系统架构、AI框架性能优化、或研发管理等方向发展
- 行业影响力：通过参与顶尖项目、发表论文或申请专利，提升在超算/AI基础设施领域的个人影响力
- 负责HPC/AI集群网络的全周期性能优化，从前期的架构建模、芯片功能定义，到中期的仿真平台剖析，再到后期的大规模集群实测
- 深度分析AI分布式训练（如大模型训练）过程中的网络通信瓶颈、同步开销和长时运行稳定性问题
- 与芯片设计、系统开发团队紧密协作，将性能分析结论转化为具体的芯片功能改进或系统配置优化方案
- 需要深入理解InfiniBand/RoCE等高性能网络协议以及Linux内核网络栈的底层原理
- 必须精通CUDA编程和各种性能分析工具（如Nsight, profiling tools），能对AI负载进行全栈剖析
- 需要扎实的C++和Python编程能力，用于开发自动化性能分析工具和测试脚本
申请策略
- 仔细研究中科曙光在高性能计算和AI基础设施领域的产品与技术方向，在面试中展现你对其技术栈的理解
- 思考并准备1-2个你曾经解决过的最复杂的系统性能问题，能清晰阐述问题背景、分析过程、解决方案和最终收益
- 重点突出在HPC集群、AI分布式训练环境下的网络性能分析、调优或相关工具开发经验
- 详细描述使用CUDA进行性能剖析，或使用性能分析工具（如Intel VTune, perf）定位系统/网络瓶颈的具体项目案例
- 如有在大规模集群（涉及InfiniBand/RoCE网络）上进行压力测试、问题诊断的经验，请务必量化并展示
- 系统性地复习或深化InfiniBand/RoCE网络协议栈、Linux内核网络部分的知识
- 实践如何使用NVIDIA Nsight Systems/Compute等工具对AI训练任务进行端到端的性能分析
- 研究主流AI大模型（如Transformer）的通信模式（AllReduce, AllGather等）及其对网络的要求
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化地讲述你解决复杂技术问题的经历
- 对于技术概念问题，先清晰定义，然后结合实际应用场景（如AI训练）解释其重要性，最后可以谈谈自己的实践经验或见解
- 对于开放设计类问题，先明确问题目标和约束条件，再分步骤阐述你的思路（如度量指标、工具选择、测试方法等），体现系统性思维
- 在你过去的经验中，如何定位和解决一个在大规模AI训练集群中出现的网络性能瓶颈？请描述整个过程
- 请解释InfiniBand和RoCE在高性能计算网络中的应用场景和主要区别
- 对于一个Transformer模型的大规模分布式训练任务，你认为网络层面最可能的性能瓶颈在哪里？可以从哪些角度进行优化？
- 如何设计一个实验或测试方案，来评估在FPGA上模拟的一种新型拥塞控制算法的有效性？
- 你对中科曙光在网络或芯片性能优化方面的工作有哪些了解？你认为我们可能面临哪些挑战？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利
75中等
该职位要求高、技术栈稀缺，预计能提供具有市场竞争力的薪酬福利，但JD未明确说明具体待遇。
薪资信号未披露（AI估算：2.8千–4.5万/月）
成长发展
90较高
职位处于HPC/AI基础设施的技术前沿，工作内容涉及跨栈深度分析与优化，能极大地锻炼和提升技术深度与广度。
技术前沿前沿/新兴技术
技术栈HPC、AI分布式训练、InfiniBand、RoCE、CUDA、性能分析、Linux内核
业务类型ambiguous
工作生活
50较低
JD未明确说明工作模式、地点细节及工作强度，无法对工作生活平衡做出判断。岗位性质可能要求在实验室或集群现场工作。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
参与AI时代算力基础设施的核心性能攻坚，对推动超大规模计算和AI应用发展有直接贡献，技术使命感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs