中科曙光
网络性能分析/优化高级工程师(J13410)
网络性能分析/优化高级工程师(J13410)
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公网络工程
网络工程
Cuda
Hpc
Roce
分布式训练
性能分析
网络性能优化
值不值得投
76综合评分
综合评分 76
技术前沿、成长天花板高、参与底层创新，但对系统功底要求严苛且工作节奏可能紧张。
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
3.5万
比网络工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 540 个在招
市场机会
选择适中
北京 · 网络工程 · 43 个在招
职位详情
关于这个职位
该职位是负责高性能计算（HPC）与人工智能（AI）集群网络性能分析、优化与架构设计的资深工程师
你需要深入理解分布式训练的通信模式，通过全栈性能剖析和调优，定位并解决从芯片到系统的网络性能瓶颈，为下一代HPC/AI芯片和系统设计提供关键数据输入
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（数据/模型/流水线并行）及常见通信模式
精通CUDA编程模型，熟练使用至少一种主流性能分析工具
熟悉Linux内核、网络（InfiniBand/RoCE）及存储系统原理与调优方法
编程能力：扎实的Python/C++能力，能编写分析脚本和工具
工作职责
架构阶段：基于对未来HPC/AI负载的理解，通过性能模拟为网络和交换芯片设计提供关键参数建议（如内存带宽与计算单元比例、专用端网协同支持等）
开发阶段：与芯片团队合作，在FPGA或虚拟仿真平台上运行典型负载，通过全栈性能剖析，定位网络性能瓶颈根因
部署阶段：在真实集群上对HPC、AI训练/推理任务进行压力测试与调优，暴露极端规模下的系统性瓶颈（如硬件同步原语开销、长期高负载稳定性问题），为下一代芯片设计提供数据输入
优先资格
有千卡以上HPC/AI集群性能分析与调优经验
深入理解Transformer、Diffusion等主流AI模型的计算和通信特性
熟悉Slurm/Kubernetes、容器化及CI/CD流程
有芯片或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
- 能接触到最前沿的HPC/AI集群技术栈，直接参与国家级算力基础设施的建设
- 工作具有极高的技术深度，能系统性地提升从硬件到软件的全栈性能理解
- 优化成果能直接反馈并影响芯片设计，具有很强的技术影响力
- 技术门槛高，需要深入理解底层硬件、网络和操作系统，学习曲线陡峭
- 工作可能需要频繁在实验室和真实集群现场调试，对动手能力和现场解决问题能力要求高
- 需要处理从微观代码到宏观集群的多尺度复杂问题，问题排查耗时耗力
缺点 / 挑战
- 适合具备扎实计算机系统背景、热衷于挖掘底层性能瓶颈、并希望其工作能直接影响硬件产品演进的资深工程师
角色解读
- 技术专家路线：深耕性能优化领域，成为HPC/AI系统性能架构师
- 芯片设计反馈路线：凭借系统性能洞察，参与并影响芯片设计方向
- 技术管理路线：带领性能优化团队，负责更复杂系统的整体性能规划
- 从芯片架构到集群部署，全栈式地分析和优化HPC/AI系统的网络性能
- 通过模拟、剖析和压力测试，定位并解决影响计算效率的网络通信瓶颈
- 将性能数据与优化洞察转化为下一代芯片设计的具体参数和需求
- 精通AI分布式训练原理与通信模式（如NCCL、MPI）
- 熟练掌握CUDA、Linux内核、InfiniBand/RoCE网络栈的底层原理与调优
- 具备扎实的Python/C++编程和性能分析工具使用能力
申请策略
- 在简历或面试中，尝试用“发现问题-分析根因-提出解决方案-量化收益”的逻辑来组织你的项目经验
- 可以主动了解中科曙光在国产化AI芯片（如海光DCU）和先进计算方面的公开技术报告，面试时能体现你对公司技术路线的理解
- 重点突出在HPC/AI集群性能分析、网络优化或CUDA相关项目中的具体成果（如提升百分比、定位的瓶颈类型）
- 详细描述使用过的性能剖析工具（如Nsight, VTune）和分析过程，展现方法论
- 列出与网络协议（InfiniBand/RoCE）、Linux内核或分布式框架（Slurm/K8s）相关的深度经验
- 可提前学习并实践NVIDIA Nsight Systems/Compute等性能分析工具
- 深入了解一到两种主流的集合通信库（如NCCL）或分布式框架（如PyTorch DDP）的实现原理
- 如果对芯片设计不熟，可补充学习基础的计算机体系结构知识，特别是网络交换部分
面试指南
- 对于技术问题，采用分层递进的回答方式：先描述现象和影响，再拆解排查步骤（软件配置、系统监控、硬件状态），最后阐述解决方案和效果
- 对于系统设计类问题，结合具体业务场景（如大模型训练）阐述你的设计权衡（如带宽、延迟、容错性），并说明依据
- 展现你的知识广度，可以将问题关联到Linux内核、网络协议栈或CUDA运行时的底层机制
- 请描述一个你优化过的最复杂的网络性能问题，你的分析思路和最终解决方案是什么？
- 如何诊断一个AI训练任务在多机多卡扩展时的性能瓶颈？从软件到硬件你会检查哪些环节？
- InfiniBand和RoCE网络在HPC/AI场景下各有什么优缺点？在调优时关注点有何不同？
- 你如何为一个新型的交换芯片架构提供内存带宽与计算单元比例的建议？
- 如果让你在FPGA平台上模拟一个HPC负载的网络行为，你会如何设计实验？
职位点评
薪资福利75
成长发展95
工作生活50
使命价值80
薪资福利
75中等
作为要求较高的高级技术岗位，在招聘城市应能提供有竞争力的薪酬。福利方面JD未明确披露。
薪资信号市场水准 (2.5千–4.5万/月)
成长发展
95较高
该职位处于AI/HPC技术栈的核心性能优化环节，涉及从芯片到集群的全栈深度技术，技能成长上限高，且有明确的技术专家发展路径。
技术前沿前沿/新兴技术
技术栈HPC、AI分布式训练、CUDA、InfiniBand、RoCE、性能分析
成长机会为下一代芯片设计提供数据输入
业务类型ambiguous
工作生活
50较低
工作地点可能位于多个城市，需现场办公。工作内容涉及真实集群调优，可能存在高强度调试和压力测试场景，对WLB有一定挑战。
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
80较高
参与高性能计算和人工智能基础设施的核心研发，对推动国产算力技术进步有直接贡献，技术价值感高。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号为下一代芯片设计提供数据输入
创新程度积极采用新技术
中科曙光 的其他在招职位
相似职位推荐
Watch Jobs