智元机器人
集群网络工程师
集群网络工程师
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公网络工程
网络工程
Ai集群
Ib/Roce
Nccl
Rdma
故障排查
网络性能优化
网络监控
Spine-Leaf架构
值不值得投
75综合评分
综合评分 75
前沿AI集群网络岗位，技术含量高、成长空间大，但WLB可能一般且需现场办公。
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
35K
比网络工程中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1400 个在招
市场机会
选择适中
上海 · 网络工程 · 19 个在招
职位详情
关于这个职位
该职位负责AI智算集群的高速网络架构设计、建设、验收、运维和优化
你需要保障IB/RoCE等网络的高可用、低延迟，解决多机多卡通信问题，确保集群通信效率与稳定性，支撑大模型训练等业务场景
最低要求
本科及以上学历，网络工程、计算机、通信相关专业，5年以上大型AI智算集群、数据中心高速网络运维设计经验
精通数据中心以太网Spine-Leaf架构，熟练掌握IB/RoCE高速网络核心技术，精通Mellanox等主流高速交换机配置与运维，熟悉网络四平面隔离设计逻辑
深入理解AI集群多机多卡通信场景，熟悉NCCL、RDMA通信原理，能够独立完成高速网络性能测试、瓶颈定位、故障排查与优化
具备大规模AI集群网络建设、验收、运维全流程经验，可独立输出网络设计方案、验收标准、优化方案
精通网络监控、流量分析、故障排查工具，具备网络风暴、链路抖动、通信异常等疑难问题的快速处置能力
熟悉Linux系统网络配置，了解算力集群调度逻辑，能结合业务场景优化网络策略
工作严谨负责，具备极强的问题分析能力与闭环意识，能独立承担网络全生命周期质量把控工作
工作职责
集群网络架构设计：负责AI集群参数面、数据面、业务面、管理面四大网络平面的整体规划与架构设计，完成IB/RoCE高速网络、以太网Spine-Leaf架构的方案设计、子网规划、域划分、流量调度策略配置，保障多平面网络隔离、高可用、低延迟
建设阶段技术把控：配合第三方集群建设团队，跟进网络设备上架、组网部署、参数配置全流程，审核网络建设方案、配置规范，规避网络架构缺陷、组网漏洞、流量冲突等问题
上线前网络性能验收：制定高速网络验收标准与测试方案，完成网络带宽、时延、抖动、丢包、NCCL通信性能、多机通信稳定性等全维度验收测试，输出验收报告，不合格网络严禁上线投入使用
常态化网络监控运维：集群上线运营后，负责全网实时监控，持续监测IB/RoCE网络、以太网链路运行状态，及时发现链路异常、网络风暴、端口故障、流量拥堵、通信劣化等隐性问题，快速定位排查故障
网络性能分析与优化：定期复盘集群网络真实运行性能、流量特征、通信瓶颈，结合大模型训练、算力调度业务场景，输出网络性能分析报告，迭代优化网络架构、参数配置、流量策略，持续提升集群通信效率与稳定性
网络体系标准化建设：梳理集群网络运维SOP、配置基线、变更规范、应急预案，建立网络故障库、优化案例库，支撑集群规模化、标准化运营
跨团队协同支撑：配合集群测试、SRE、运维、交付团队，解决网络相关故障与性能问题，支撑集群扩容、算力隔离、业务上线、SLA履约等工作
AI 洞察
优缺点分析
优点
- 技术前沿性强，涉及IB/RoCE、NCCL等AI集群核心技术，技能积累价值高
- 项目独立性强，负责网络全生命周期，能锻炼端到端的问题解决和架构设计能力
- 行业前景好，AI和机器人是高速增长赛道，网络基础设施需求持续旺盛
- 公司处于B轮中大型阶段，有机会参与从建设到运营的全流程，成长空间大
- 跨团队协作频繁，需与测试、SRE、运维等多团队沟通，对协同能力有要求
缺点 / 挑战
- 工作要求高，需要5年以上经验并精通多种复杂技术，技术深度和广度挑战大
- 可能需要应对高并发网络问题和运维压力，故障排查时效性要求高
- 适合具备扎实网络工程背景、追求技术深度、对AI基础设施感兴趣且能承受一定工作压力的工程师
角色解读
- 可向网络架构师、云基础设施专家或AI平台网络负责人方向发展，深化在高性能计算网络领域的专业度
- 积累大规模集群运维经验后，可转向技术管理岗位，如网络团队主管，负责更广泛的基础设施规划
- 随着AI和机器人行业发展，有机会参与更前沿的网络技术（如下一代互联架构）的研发和标准化
- 设计AI集群的高速网络架构，包括IB/RoCE、Spine-Leaf等，确保网络隔离、高可用和低延迟
- 监控和运维集群网络，快速排查链路异常、网络风暴等故障，保障网络稳定运行
- 优化网络性能，结合大模型训练场景分析瓶颈，提升通信效率
- 建立网络标准化体系，包括SOP、配置基线和故障库，支持集群规模化运营
- 精通IB/RoCE高速网络和以太网Spine-Leaf架构设计，熟悉Mellanox等交换机配置
- 深入理解NCCL、RDMA等AI集群通信原理，能进行性能测试和故障定位
- 熟练使用网络监控和流量分析工具，具备Linux系统网络配置能力
- 拥有全流程网络建设、验收和运维经验，能独立输出技术方案和报告
申请策略
- 研究智元机器人的业务方向（如机器人AI训练），在申请时强调如何支撑其网络需求
- 准备介绍过去处理过的网络难题案例，展示问题分析和闭环解决能力
- 关注行业动态，了解AI集群网络的最新发展趋势，以便在面试中体现前瞻性
- 重点突出5年以上大型AI集群或数据中心网络运维设计经验，用具体项目案例说明
- 详细描述IB/RoCE、Spine-Leaf架构的实际应用，以及性能优化和故障排查成果
- 强调NCCL、RDMA通信原理的理解和实践，如参与多机多卡网络方案设计
- 展示网络体系建设经验，如SOP制定、监控工具使用等标准化工作
- 深入学习IB/RoCE高速网络前沿技术，如通过Mellanox官方文档或实践项目巩固
面试指南
- 采用STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result）结构化回答，突出个人贡献和量化成果
- 强调技术深度：在回答中融入IB/RoCE、Spine-Leaf、NCCL等关键技术点，展示专业知识
- 体现系统思维：说明从架构设计、建设到运维的全流程把控，以及标准化建设的重要性
- 请描述你设计过的一个大型AI集群网络架构，包括如何解决多平面隔离和高可用问题
- 遇到NCCL通信性能瓶颈或网络风暴时，你通常如何定位和解决？
- 如何制定高速网络验收标准？你参与过哪些关键测试（如带宽、时延、抖动）？
- 在跨团队协作中，如何有效推动网络问题解决和集群扩容？
- 你如何进行网络性能复盘和优化？请举例说明结合业务场景的调整策略
职位点评
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
基于高级经验要求和上海AI岗位市场，薪资预期中上，但JD未披露具体待遇，补偿性动机满足程度中等。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
职位涉及IB/RoCE、NCCL等前沿网络技术，有明确的技术成长空间和复杂项目经验积累，发展性动机满足较好。
技术前沿前沿/新兴技术
技术栈IB/RoCE、NCCL、RDMA、Spine-Leaf架构、AI集群
业务类型ambiguous
工作生活
60中等
JD未明确办公模式或WLB政策，基于技术运维性质，可能需现场办公，生活化动机满足程度有限。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
公司从事AI和机器人领域，属于高速增长赛道，技术岗位对行业发展有直接贡献，意义感动机满足度较高。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs