BeijingFull-timeChinese JD· Posted Jul 15, 2026
From SenseTime’s original posting
- 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,
- 理解 NCCL、HCCL、MCCL 等 GPU 通信库,以及 RDMA/RoCE 等 Scale-up / Scale-out 互联技术。
- 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。
- 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。
- 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。
- 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。
- 扎实的 C/C++、Linux 系统编程能力;
- 了解 CUDA/GPU 编程模型,理解 GPU memory、stream、kernel、同步机制;
- 了解 NCCL 或至少一种 GPU 集合通信库,理解常用通信原语,有实际使用、性能分析或源码研究经验;
- 理解 RDMA / RoCE 协议,PCIe、NUMA、GPU/NIC 拓扑关系;
- 能独立进行系统级性能分析和问题定位。
加分项 1. 研读过 NCCL / XCCL 通信库源码,了解 DeepEP / MoE Expert Parallel / MoonCake TE Store; 2. 有 GPU 或 超节点 集群推理优化经验; 3. 有国产 GPU 软件栈经验。