AI Factory Network Architect

О позиции

Runware создаёт платформу инференса ИИ с уникальной архитектурой на базе модульных дата-центров (Sonic Pods). Мы расширяем сеть из десятков контейнеров с мощностью 1 МВт каждый, работающих как единый суперкомпьютер. Вы определите сетевую архитектуру от внутренних NVLink-доменов до оптических магистралей между континентами, обеспечивая бесперебойную работу трафика на уровне API.

Чем заниматься

• Проектировать всю сеть инфраструктуры: scale-up (NVLink/NVSwitch), scale-out (InfiniBand/RoCE), хранилища и межпостовые связи
• Разрабатывать оптику: выбор трансиверов, расчёт бюджетов линий, DWDM для дистанционных соединений
• Создавать эталонные сетевые конфигурации для новых подов с проверенной топологией
• Настраивать реальные фабрики: маршрутизацию, QoS, GPUDirect RDMA, тестируя по реальным метрикам инференса
• Координироваться с командами инференса для адаптации архитектуры под паттерны трафика (KV-cache, параллелизм)
• Планировать ёмкости и оценивать новые технологии от вендоров (NVIDIA, оптика, коммутаторы)
• Внедрять мониторинг, автоматическое обнаружение отказов и документацию для оперативного обслуживания
• Управлять командой инженеров и выступать главным техническим экспертом при критических инцидентах

Что ждут

• 15+ лет опыта в проектировании высокопроизводительных сетей (HPC или ИИ-суперкомпьютеры масштаба тысяч GPU)
• Глубокая практическая экспертиза InfiniBand (фабрики, управление подсетями, адаптивная маршрутизация, трассировка узких мест)
• Знание работы NVLink/NVSwitch-доменов и взаимодействия scale-up/scale-out для мульти-GPU задач
• Опыт с оптикой 400G/800G, DWDM, когерентными трансиверами и операционными проблемами масштабирования
• Практика настройки RDMA (GPUDirect, NCCL, PFC/ECN-тонировка) в InfiniBand и RoCE
• Лидерство в greenfield-проектах и решении производственных инцидентов в распределённых сетях
• Автоматизация через Python/Go, Infrastructure-as-Code, пайплайны телеметрии
• Чёткие письменные коммуникации для описания решений командам в других регионах
• Готовность к частым командировкам на объекты в США и Европе

Будет плюсом

• Опыт работы с NVIDIA Spectrum-X, Quantum-X800 или Blackwell-системами NVLink
• Практика оценки co-packaged оптики, линзовых плагиблов или фотонных переключателей
• Проектирование сетей для модульных дата-центров или локаций с ограничением по мощности/пространству
• Понимание паттернов трафика для инференса (disaggregated prefill, KV-cache transfer)
• Вклад в open-source проекты (SONiC, OpenFabrics, UEC)
• Опыт проектирования сетей с требованиями резиденции данных и межсайтового шифрования
• Работа в GPU-клауде, гиперскейтере или национальной лаборатории над собственным суперкомпьютером

Условия

• Прямое влияние на архитектуру ИИ-суперкомпьютера с полной свободой технических решений
• Удалённая работа с core-часами и гибким графиком
• Два очных митапа в год для планирования и нетворкинга
• Щедрый оплачиваемый отпуск и отпуска по уходу за ребёнком
• Опционы на акции компании
• Регулярные тимбилдинги и корпоративные ретриты
• Реальный downtime после интенсивных спринтов для восстановления ресурсов

Навыки

• InfiniBand
• NVLink
• NVSwitch
• RoCE
• GPUDirect RDMA
• NCCL
• DWDM
• Coherent Optics
• SONiC
• OpenFabrics
• Python
• Go
• Infrastructure as Code
• Adaptive Routing
• PFC
• ECN
• QoS

Могут спросить на собеседовании

1. Опишите пример проекта по развёртыванию InfiniBand-сети для thousands GPU. Какие трудности возникали?
2. Как вы бы выбрали топологию сети для подов в разных географических локациях?
3. Какие метрики важнее: latency или throughput для инференса? Как это влияет на выбор протоколов?
4. Приведите пример случая отказа сети. Как вы диагностировали проблему?