Alibaba logo
阿里巴巴
阿里云智能-智算网络稳定性研发-杭州、北京

阿里云智能-智算网络稳定性研发-杭州、北京

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.5万 · AI 参考估算
高级经验
学历未注明
全职员工仅现场办公网络工程
网络工程
Go
Rdma
拥塞控制
网络编程
计算机网络
集合通信

值不值得投

74综合评分

综合评分 74

AI智算网络前沿研发岗,技术成长强,办公灵活性未披露

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

5.0万

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 5300 个在招 · 其中网络工程 16 个

市场机会

选择适中

杭州 · 网络工程 · 25 个在招

职位详情

关于这个职位

该岗位面向阿里云智能的AI智算网络稳定性方向,负责高速网络、RDMA通信加速、故障定位与性能分析等研发工作

你将参与大规模AI训练、推理和存储集群的网络系统建设,并与训练/推理框架协同优化通信性能

最低要求

精通计算机网络和网络编程

精通至少一门主流编程语言,比如 C/C++, Python, Go 等
熟悉当前高性能智算系统领域的最新进展,包括 RDMA,拥塞控制,集合通信,训练推理框架等技术
有自驱力,对智算场景新兴技术有主动学习和应用的热情
善于攻坚克难,有创新热情,积极乐观,坚韧抗压,结果导向,能够持续推动问题的解决和突破
有较好的执行能力和沟通能力,需要与团队内外部同事融洽合作

工作职责

高速网络技术的设计和研发,满足 AI/大模型业务在训练、推理、存储等多个场景对网络的需求

支持大规模 AI 智算集群网络以及相关系统研发,包括RDMA通信加速、故障定位和性能分析等
网络与训练/推理框架协同优化,包括集合通信优化、计算通信交叠等联合优化
运用Al专业工具以及前沿研究成果,帮助打造AI-driven的智算网络稳定性和性能提升方案

AI 洞察

优缺点分析

优点

  • 岗位处在AI大模型和智算集群核心基础设施方向,技术含量高,能积累稀缺的高性能网络系统经验
  • 阿里云智能业务场景规模大,有利于接触复杂真实问题和大规模系统实践
  • 北京、杭州均有研发与产业生态,便于后续在云基础设施和AI基础设施领域长期发展
  • 智算网络涉及网络、系统、框架和AI业务多层协同,技术复杂度高,学习曲线较陡
  • 岗位要求持续跟进新兴技术,需要保持较强自驱学习和创新能力
  • 适合计算机网络基础扎实、热爱系统级研发,并希望在AI智算基础设施方向深耕的工程师
  • 尤其适合能独立攻坚、善于跨团队协作、对高性能网络和大规模集群优化有持续兴趣的人

缺点 / 挑战

  • 工作内容覆盖网络、RDMA、集合通信和训练推理框架协同优化,技术栈前沿且跨层挑战丰富
  • 稳定性与性能问题往往需要深入排查和长期攻坚,对抗压能力和问题闭环能力要求较高

角色解读

  • 可向智算网络架构专家、高性能网络系统专家方向发展,深入AI集群通信与网络稳定性技术
  • 可逐步承担更复杂系统的技术负责人角色,主导跨团队联合优化和关键方案落地
  • 未来也可扩展到AI基础设施、云计算网络、分布式系统性能优化等更广泛方向
  • 负责AI/大模型场景下高速网络技术的设计与研发,支撑训练、推理、存储等业务对高带宽、低延迟网络的需求
  • 参与大规模AI智算集群网络及系统研发,重点处理RDMA通信加速、故障定位、性能分析等问题
  • 与训练/推理框架团队协作,优化集合通信、计算通信交叠等跨层性能瓶颈
  • 探索AI专业工具和前沿研究成果,建设AI-driven的网络稳定性与性能提升方案
  • 需要扎实的计算机网络基础和网络编程能力,能够理解复杂网络协议、拥塞控制和故障定位机制
  • 需要精通至少一门主流编程语言,如C/C++、Python或Go,并能进行系统级研发和性能分析
  • 需要熟悉RDMA、集合通信、训练推理框架等高性能智算系统关键技术
  • 需要较强的自驱力、抗压能力、执行力和跨团队沟通能力,能持续推动复杂问题闭环

申请策略

  • 申请前建议梳理AI智算集群中网络稳定性的典型问题案例,如故障定位、性能瓶颈分析和优化闭环
  • 面试中可主动说明自己对AI-driven网络优化的理解,以及对前沿研究转化为工程方案的兴趣
  • 突出与计算机网络、网络编程、高性能通信相关的项目经历,尤其是RDMA、拥塞控制、集合通信或低延迟网络优化经验
  • 重点展示使用C/C++、Python或Go进行系统研发、性能分析、故障定位的具体成果和量化指标
  • 强调参与过大规模集群、分布式训练、推理框架协同优化或网络稳定性治理项目
  • 补充体现自驱学习、复杂问题攻坚和跨团队协作的案例,说明如何持续推动问题闭环
  • 可提前复习RDMA、拥塞控制、网络协议栈、集合通信原理以及常见性能分析方法
  • 建议加强C/C++、Python或Go在系统编程、并发编程和性能调优方面的实战能力

面试指南

  • 使用“背景-问题-方案-结果-复盘”的结构回答项目经历,重点说明瓶颈定位方法、技术取舍和可量化收益
  • 回答技术原理题时,先讲基础机制,再结合AI集群场景说明工程挑战,最后给出自己的实践或改进思路
  • 回答协作与攻坚题时,强调问题拆解、责任推进、数据验证和持续闭环,避免只描述个人努力
  • 请介绍一个你主导或深度参与的网络性能分析与优化项目,你如何定位瓶颈并验证优化效果?
  • 你如何理解RDMA在AI训练/推理集群中的作用?常见性能和稳定性问题有哪些?
  • 面对大规模智算集群中的网络故障,你会如何设计定位流程和稳定性治理方案?
  • 请说明你对集合通信优化或计算通信交叠的理解,以及实际项目中如何落地
  • 你在跨团队协作中遇到过哪些困难,如何推动内外部同事共同解决问题?

职位点评

薪资福利78
成长发展90
工作生活45
使命价值76

薪资福利

78中等

JD未披露薪资和福利信息,无法判断薪资竞争力与福利完整性;但岗位属于高技术要求研发方向,通常对技术型人才有较强吸引。

薪资信号未披露(AI估算:3.5千–6.5万/月)

成长发展

90较高

岗位明确涉及AI/大模型、RDMA、集合通信、训练推理框架和AI-driven方案,技术前沿且跨层协同空间大。JD未提及培训或晋升路径,成长更多来自复杂项目实践。

技术前沿前沿/新兴技术
技术栈AI、大模型、高速网络、RDMA、拥塞控制、集合通信、训练推理框架、AI-driven
业务类型ambiguous

工作生活

45较低

JD仅明确北京/杭州地点,未说明远程、弹性办公或工时安排,也未提及加班情况,因此生活化动机满足程度难以判断。

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

76中等

岗位服务AI/大模型业务和大规模智算集群网络稳定性,处于AI基础设施建设的重要方向,技术价值较高。JD未直接描述社会使命或公共价值导向。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs