{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "北京-AI通信研发工程师(J104693)",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京市",
        "work_mode": "未披露",AI生成
        "job_category": "技术"AI生成
    },
    "company": {
        "company_name": "百度",
        "company_industry": "互联网 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "baidu.com",
        "company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "-本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "-Scale‑out 通信性能优化：负责大规模集群中跨节点（Scale‑out）通信效率的提升。深入分析 RDMA 协议栈（RoCEv2 / InfiniBand）在真实业务场景下的表现，通过调整拥塞控制参数、优化传输队列及中断/轮询模式，降低通信延迟并提高带宽利用率；针对 All‑Reduce、All‑to‑All 等集合通信算子进行性能画像，定位协议层瓶颈，输出可量化的优化方案\n-RDMA 网卡效果验证与落地：将优化成果在RDMA 网卡上实际部署，搭建标准化测试环境，设计覆盖不同报文大小、多流并发、故障注入等场景的基准测试套件；完整评估网卡在优化前后的吞吐量、时延、CPU 利用率等关键指标，撰写测试报告，确保优化措施在硬件上稳定、有效，并推动最终产品化落地\n-端侧可编程拥塞控制算法研究：基于RDMA 网卡的端侧可编程能力（如 P4、eBPF 或定制微引擎），探索新型拥塞控制算法；研究现有算法（如 DCQCN、Timely）的不足，结合网络流量特征和业务优先级，设计并实现自适应拥塞控制逻辑，在网卡本地快速响应拥塞信号，减少对 CPU 的依赖，提升整体网络的可靠性和公平性\n-Scale‑up 超节点推理性能调优：在超节点（高带宽域内）环境中，聚焦节点内/间通信（Scale‑up）对主流大模型推理效率的影响；分析 TP（张量并行）、PP（流水线并行）、EP（专家并行）等并行策略下的通信依赖，结合 vLLM / SGLang 等推理框架，优化传输及调度逻辑；端到端验证模型部署后的吞吐量（Throughput）、首 Token 延迟（TTFT）和每 Token 处理时间（TPOT），提出并实施可落地的通信优化方案，确保推理性能达到业界领先水平",
        "requirements_text": "-本科及以上学历，计算机、电子、通信或相关专业，对高性能网络或分布式系统有浓厚兴趣，具备扎实的计算机体系结构、操作系统和网络协议理论知识\n-熟悉 RDMA（RoCEv2 / InfiniBand）的基本工作原理，了解其与传统 TCP/IP 的差异，有相关课程设计、毕业课题或实验项目经验（如使用 Verbs API 编程或模拟器验证）者优先\n-了解 DCQCN、PFC、ECN 等主流拥塞控制机制，能清晰阐述其作用与不足，有网络仿真（如 ns‑3）或流量分析经历者加分\n-熟练掌握 C/C++ 和 Python，具备 Linux 环境下的网络编程基础，对 DPDK 或用户态协议栈有初步了解或学习兴趣\n-对 vLLM、SGLang 等大模型推理框架有基本认知，阅读过其源码或参与过小规模二次开发实践者优先；了解 Transformer 架构及分布式并行策略（DP/TP/PP/EP）的基本概念\n-具备一定的实操经验，例如搭建过小型集群、运行过分布式训练/推理任务，或参与过开源项目贡献；能快速学习新知识，乐于从实验中定位问题并尝试解决\n-自我驱动，主动性强，善于沟通协作，乐于分享技术见解。有技术博客、竞赛获奖或学术论文发表经历者优先考虑",
        "skills": [AI生成
            "Python",
            "C++",
            "Linux",
            "分布式系统",
            "大语言模型",
            "C语言"
        ],
        "preferred_qualifications": "熟悉 RDMA（RoCEv2 / InfiniBand）的基本工作原理，了解其与传统 TCP/IP 的差异，有相关课程设计、毕业课题或实验项目经验（如使用 Verbs API 编程或模拟器验证）者优先；了解 DCQCN、PFC、ECN 等主流拥塞控制机制，能清晰阐述其作用与不足，有网络仿真（如 ns‑3）或流量分析经历者加分；对 vLLM、SGLang 等大模型推理框架有基本认知，阅读过其源码或参与过小规模二次开发实践者优先；有技术博客、竞赛获奖或学术论文发表经历者优先考虑",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.baidu.com/jobs/detail/GRADUATE/5ac74bce-f135-4e82-bedb-3439f0630c44"
            }
        ]
    },
    "posting": {
        "posting_id": "5ac74bce-f135-4e82-bedb-3439f0630c44",
        "post_date": "2026-08-20",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/5ac74bce-f135-4e82-bedb-3439f0630c44"
    },
    "fulltext": "北京-AI通信研发工程师(J104693)\n北京-AI通信研发工程师(J104693)\n\n基础信息\n地点：北京市\n项目：校招\n类别：技术\n招聘人数：0\n发布时间：2026-08-20\n\n工作职责\n-Scale‑out 通信性能优化：负责大规模集群中跨节点（Scale‑out）通信效率的提升。深入分析 RDMA 协议栈（RoCEv2 / InfiniBand）在真实业务场景下的表现，通过调整拥塞控制参数、优化传输队列及中断/轮询模式，降低通信延迟并提高带宽利用率；针对 All‑Reduce、All‑to‑All 等集合通信算子进行性能画像，定位协议层瓶颈，输出可量化的优化方案\n-RDMA 网卡效果验证与落地：将优化成果在RDMA 网卡上实际部署，搭建标准化测试环境，设计覆盖不同报文大小、多流并发、故障注入等场景的基准测试套件；完整评估网卡在优化前后的吞吐量、时延、CPU 利用率等关键指标，撰写测试报告，确保优化措施在硬件上稳定、有效，并推动最终产品化落地\n-端侧可编程拥塞控制算法研究：基于RDMA 网卡的端侧可编程能力（如 P4、eBPF 或定制微引擎），探索新型拥塞控制算法；研究现有算法（如 DCQCN、Timely）的不足，结合网络流量特征和业务优先级，设计并实现自适应拥塞控制逻辑，在网卡本地快速响应拥塞信号，减少对 CPU 的依赖，提升整体网络的可靠性和公平性\n-Scale‑up 超节点推理性能调优：在超节点（高带宽域内）环境中，聚焦节点内/间通信（Scale‑up）对主流大模型推理效率的影响；分析 TP（张量并行）、PP（流水线并行）、EP（专家并行）等并行策略下的通信依赖，结合 vLLM / SGLang 等推理框架，优化传输及调度逻辑；端到端验证模型部署后的吞吐量（Throughput）、首 Token 延迟（TTFT）和每 Token 处理时间（TPOT），提出并实施可落地的通信优化方案，确保推理性能达到业界领先水平\n\n职责要求\n-本科及以上学历，计算机、电子、通信或相关专业，对高性能网络或分布式系统有浓厚兴趣，具备扎实的计算机体系结构、操作系统和网络协议理论知识\n-熟悉 RDMA（RoCEv2 / InfiniBand）的基本工作原理，了解其与传统 TCP/IP 的差异，有相关课程设计、毕业课题或实验项目经验（如使用 Verbs API 编程或模拟器验证）者优先\n-了解 DCQCN、PFC、ECN 等主流拥塞控制机制，能清晰阐述其作用与不足，有网络仿真（如 ns‑3）或流量分析经历者加分\n-熟练掌握 C/C++ 和 Python，具备 Linux 环境下的网络编程基础，对 DPDK 或用户态协议栈有初步了解或学习兴趣\n-对 vLLM、SGLang 等大模型推理框架有基本认知，阅读过其源码或参与过小规模二次开发实践者优先；了解 Transformer 架构及分布式并行策略（DP/TP/PP/EP）的基本概念\n-具备一定的实操经验，例如搭建过小型集群、运行过分布式训练/推理任务，或参与过开源项目贡献；能快速学习新知识，乐于从实验中定位问题并尝试解决\n-自我驱动，主动性强，善于沟通协作，乐于分享技术见解。有技术博客、竞赛获奖或学术论文发表经历者优先考虑\n-Scale‑out 通信性能优化：负责大规模集群中跨节点（Scale‑out）通信效率的提升。深入分析 RDMA 协议栈（RoCEv2 / InfiniBand）在真实业务场景下的表现，通过调整拥塞控制参数、优化传输队列及中断/轮询模式，降低通信延迟并提高带宽利用率；针对 All‑Reduce、All‑to‑All 等集合通信算子进行性能画像，定位协议层瓶颈，输出可量化的优化方案\n-RDMA 网卡效果验证与落地：将优化成果在RDMA 网卡上实际部署，搭建标准化测试环境，设计覆盖不同报文大小、多流并发、故障注入等场景的基准测试套件；完整评估网卡在优化前后的吞吐量、时延、CPU 利用率等关键指标，撰写测试报告，确保优化措施在硬件上稳定、有效，并推动最终产品化落地\n-端侧可编程拥塞控制算法研究：基于RDMA 网卡的端侧可编程能力（如 P4、eBPF 或定制微引擎），探索新型拥塞控制算法；研究现有算法（如 DCQCN、Timely）的不足，结合网络流量特征和业务优先级，设计并实现自适应拥塞控制逻辑，在网卡本地快速响应拥塞信号，减少对 CPU 的依赖，提升整体网络的可靠性和公平性\n-Scale‑up 超节点推理性能调优：在超节点（高带宽域内）环境中，聚焦节点内/间通信（Scale‑up）对主流大模型推理效率的影响；分析 TP（张量并行）、PP（流水线并行）、EP（专家并行）等并行策略下的通信依赖，结合 vLLM / SGLang 等推理框架，优化传输及调度逻辑；端到端验证模型部署后的吞吐量（Throughput）、首 Token 延迟（TTFT）和每 Token 处理时间（TPOT），提出并实施可落地的通信优化方案，确保推理性能达到业界领先水平\n-本科及以上学历，计算机、电子、通信或相关专业，对高性能网络或分布式系统有浓厚兴趣，具备扎实的计算机体系结构、操作系统和网络协议理论知识\n-熟悉 RDMA（RoCEv2 / InfiniBand）的基本工作原理，了解其与传统 TCP/IP 的差异，有相关课程设计、毕业课题或实验项目经验（如使用 Verbs API 编程或模拟器验证）者优先\n-了解 DCQCN、PFC、ECN 等主流拥塞控制机制，能清晰阐述其作用与不足，有网络仿真（如 ns‑3）或流量分析经历者加分\n-熟练掌握 C/C++ 和 Python，具备 Linux 环境下的网络编程基础，对 DPDK 或用户态协议栈有初步了解或学习兴趣\n-对 vLLM、SGLang 等大模型推理框架有基本认知，阅读过其源码或参与过小规模二次开发实践者优先；了解 Transformer 架构及分布式并行策略（DP/TP/PP/EP）的基本概念\n-具备一定的实操经验，例如搭建过小型集群、运行过分布式训练/推理任务，或参与过开源项目贡献；能快速学习新知识，乐于从实验中定位问题并尝试解决\n-自我驱动，主动性强，善于沟通协作，乐于分享技术见解。有技术博客、竞赛获奖或学术论文发表经历者优先考虑",
    "standard_classification": {
        "std_category_code": "T018",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}