主分类：云基础设施与系统软件研发
辅助：AI训练推理与计算优化（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "智算网卡与协议栈竞争力构建-阿里星/A Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "获得计算机科学与技术、计算机网络、通信工程、电子工程等相关专业博士学位",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "随着AI大模型参数规模迈向万亿级，算力集群已从“千卡”向“万卡”演进，网络通信成为制约大模型训练效率的核心瓶颈。本团队正承担面向下一代大模型的超低延迟、高吞吐、高稳定性的RDMA网络全栈解决方案的重点项目。我们需要具有深厚理论功底和极强工程落地能力的博士人才，共同攻克RDMA网卡架构及智能传输层协议等“无人区”难题，定义未来智算网络的行业标准。\n您将作为核心骨干，深度参与以下一个或多个方向的研究与落地：\n1、RDMA网络及网卡架构研发：\n· 参与新一代高性能RDMA网卡（RNIC）的架构定义与逻辑设计，优化数据包处理流水线。\n2、智能传输层协议攻关（核心重点）：\n· 拥塞控制：研发基于实时遥测数据的新型拥塞控制算法，解决大模型流量突发导致的Incast问题和队头阻塞。\n· 多路径传输：设计基于流/包粒度的多路径负载均衡算法，提升复杂拓扑下的带宽利用率。\n· 可靠性机制：研究RDMA网络下的快速重传、前向纠错（FEC）及故障自愈机制。",
"requirements_text": "基本要求\n1、获得计算机科学与技术、计算机网络、通信工程、电子工程等相关专业博士学位。\n2、在顶级会议或期刊（如SIGCOMM, NSDI, ISCA，SC, HPCA, ATC, IEEE/ACM ToN等）以第一作者身份发表过高水平论文者优先。\n核心技能（满足其一即可，多项兼备者极佳）\n1、网络协议栈深度理解：精通TCP/IP、RDMA/RoCEv2、InfiniBand协议细节，对拥塞控制（DCQCN, HPCC, TIMELY等）有深入研究；\n2、分布式系统经验：熟悉NCCL、RCCL、MPI等通信库源码，有大规模分布式训练系统优化经验者优先；\n3、硬件/底层开发能力：有DPDK、SPDK、eBPF等内核旁路技术开发经验；\n4、算法与仿真能力：具备极强的数学建模能力，熟练使用NS-3、Omnet++或自研仿真器进行网络性能评估。\n综合素质\n1、对AI基础设施领域充满热情，具备敏锐的技术洞察力，能够独立思考并定义前沿问题；\n2、具备优秀的代码能力（C/C++/Go/Python），不仅限于理论研究，更渴望将算法落地到实际产品中；\n3、良好的沟通协作能力，能够跨团队（算法、芯片、系统、业务）推动复杂项目进展。",
"skills": [AI生成
"Python",
"C++",
"分布式系统",
"建模",
"Go",
"C语言"
],
"preferred_qualifications": "2、在顶级会议或期刊（如SIGCOMM, NSDI, ISCA，SC, HPCA, ATC, IEEE/ACM ToN等）以第一作者身份发表过高水平论文者优先；2、分布式系统经验：熟悉NCCL、RCCL、MPI等通信库源码，有大规模分布式训练系统优化经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907820108?deptCodes="
}
]
},
"posting": {
"posting_id": "199907820108",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907820108?deptCodes="
},
"fulltext": "智算网卡与协议栈竞争力构建-阿里星/A Star\n智算网卡与协议栈竞争力构建-阿里星/A Star\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：北京 / 杭州\n\n职位描述\n随着AI大模型参数规模迈向万亿级，算力集群已从“千卡”向“万卡”演进，网络通信成为制约大模型训练效率的核心瓶颈。本团队正承担面向下一代大模型的超低延迟、高吞吐、高稳定性的RDMA网络全栈解决方案的重点项目。我们需要具有深厚理论功底和极强工程落地能力的博士人才，共同攻克RDMA网卡架构及智能传输层协议等“无人区”难题，定义未来智算网络的行业标准。\n您将作为核心骨干，深度参与以下一个或多个方向的研究与落地：\n1、RDMA网络及网卡架构研发：\n· 参与新一代高性能RDMA网卡（RNIC）的架构定义与逻辑设计，优化数据包处理流水线。\n2、智能传输层协议攻关（核心重点）：\n· 拥塞控制：研发基于实时遥测数据的新型拥塞控制算法，解决大模型流量突发导致的Incast问题和队头阻塞。\n· 多路径传输：设计基于流/包粒度的多路径负载均衡算法，提升复杂拓扑下的带宽利用率。\n· 可靠性机制：研究RDMA网络下的快速重传、前向纠错（FEC）及故障自愈机制。\n\n职位要求\n基本要求\n1、获得计算机科学与技术、计算机网络、通信工程、电子工程等相关专业博士学位。\n2、在顶级会议或期刊（如SIGCOMM, NSDI, ISCA，SC, HPCA, ATC, IEEE/ACM ToN等）以第一作者身份发表过高水平论文者优先。\n核心技能（满足其一即可，多项兼备者极佳）\n1、网络协议栈深度理解：精通TCP/IP、RDMA/RoCEv2、InfiniBand协议细节，对拥塞控制（DCQCN, HPCC, TIMELY等）有深入研究；\n2、分布式系统经验：熟悉NCCL、RCCL、MPI等通信库源码，有大规模分布式训练系统优化经验者优先；\n3、硬件/底层开发能力：有DPDK、SPDK、eBPF等内核旁路技术开发经验；\n4、算法与仿真能力：具备极强的数学建模能力，熟练使用NS-3、Omnet++或自研仿真器进行网络性能评估。\n综合素质\n1、对AI基础设施领域充满热情，具备敏锐的技术洞察力，能够独立思考并定义前沿问题；\n2、具备优秀的代码能力（C/C++/Go/Python），不仅限于理论研究，更渴望将算法落地到实际产品中；\n3、良好的沟通协作能力，能够跨团队（算法、芯片、系统、业务）推动复杂项目进展。\n\n在招业务\n阿里云\n随着AI大模型参数规模迈向万亿级，算力集群已从“千卡”向“万卡”演进，网络通信成为制约大模型训练效率的核心瓶颈。本团队正承担面向下一代大模型的超低延迟、高吞吐、高稳定性的RDMA网络全栈解决方案的重点项目。我们需要具有深厚理论功底和极强工程落地能力的博士人才，共同攻克RDMA网卡架构及智能传输层协议等“无人区”难题，定义未来智算网络的行业标准。\n您将作为核心骨干，深度参与以下一个或多个方向的研究与落地：\n1、RDMA网络及网卡架构研发：\n· 参与新一代高性能RDMA网卡（RNIC）的架构定义与逻辑设计，优化数据包处理流水线。\n2、智能传输层协议攻关（核心重点）：\n· 拥塞控制：研发基于实时遥测数据的新型拥塞控制算法，解决大模型流量突发导致的Incast问题和队头阻塞。\n· 多路径传输：设计基于流/包粒度的多路径负载均衡算法，提升复杂拓扑下的带宽利用率。\n· 可靠性机制：研究RDMA网络下的快速重传、前向纠错（FEC）及故障自愈机制。\n基本要求\n1、获得计算机科学与技术、计算机网络、通信工程、电子工程等相关专业博士学位。\n2、在顶级会议或期刊（如SIGCOMM, NSDI, ISCA，SC, HPCA, ATC, IEEE/ACM ToN等）以第一作者身份发表过高水平论文者优先。\n核心技能（满足其一即可，多项兼备者极佳）\n1、网络协议栈深度理解：精通TCP/IP、RDMA/RoCEv2、InfiniBand协议细节，对拥塞控制（DCQCN, HPCC, TIMELY等）有深入研究；\n2、分布式系统经验：熟悉NCCL、RCCL、MPI等通信库源码，有大规模分布式训练系统优化经验者优先；\n3、硬件/底层开发能力：有DPDK、SPDK、eBPF等内核旁路技术开发经验；\n4、算法与仿真能力：具备极强的数学建模能力，熟练使用NS-3、Omnet++或自研仿真器进行网络性能评估。\n综合素质\n1、对AI基础设施领域充满热情，具备敏锐的技术洞察力，能够独立思考并定义前沿问题；\n2、具备优秀的代码能力（C/C++/Go/Python），不仅限于理论研究，更渴望将算法落地到实际产品中；\n3、良好的沟通协作能力，能够跨团队（算法、芯片、系统、业务）推动复杂项目进展。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}