阿里巴巴
阿里妈妈-广告预测引擎开发工程师-AI Serving-北京
阿里妈妈-广告预测引擎开发工程师-AI Serving-北京
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Cuda
Pytorch
Tensorflow
分布式系统
大模型
异构计算
推荐系统
值不值得投
77综合评分
综合评分 77
高技术门槛、前沿AI系统岗位，成长性强但工作强度可能较高。
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
4万
比后端开发中位数高
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 2860 个在招 · 其中后端开发 75 个
市场机会
选择面较广
北京 · 后端开发 · 约 360 个在招
职位详情
关于这个职位
作为淘天集团广告预测引擎开发工程师，你将负责设计和开发服务于核心电商营销业务的广告预测引擎及AI Serving系统
你需要应对高并发、低延迟的实时预测挑战，通过分布式系统架构优化和算法-软件-硬件协同优化，来提升模型服务的稳定性与性能，并探索面向推荐系统或大模型在线服务的前沿技术
最低要求
本科及以上学历、计算机/自动化/电子信息/通信 相关专业
熟悉Linux开发环境，熟练掌握C/C++
熟悉CUDA，有GPU开发及优化相关经验，熟悉TensorFlow/PyTorch等主流深度学习框架
熟悉推荐系统召回/排序、大模型等相关算法和原理，有相关应用研发经验优先
具备良好的学习能力和沟通能力，有责任心肯钻研，有团队协作精神
工作职责
负责广告预测引擎及AI Serving系统的设计与开发，支持高并发、低延迟的广告实时预测需求，解决实际的业务问题
参与分布式系统架构优化，提升广告模型服务的稳定性、资源利用率及大规模模型计算能力
算法-软件-硬件协同优化（异构并行计算、AI编译、稀疏量化、混部与弹性等），发挥数十万CPU核和数千加速卡的计算潜力
研究业界前沿的AI算法、系统和硬件，探索面向推荐系统或大模型AI在线服务的理想软件和硬件系统
优先资格
熟悉TRT/XLA/TVM/MLIR等编译优化技术优先
有推荐系统应用研发经验优先
AI 洞察
优缺点分析
优点
- 技术栈非常前沿，涉及高并发系统、GPU优化、AI编译等，能深度提升系统级AI工程能力
- 业务场景明确且价值高，直接服务于核心电商营销业务，技术成果影响力可见
- 技术复杂度高，需要同时掌握系统编程、分布式架构、算法原理及硬件特性，对学习能力和综合能力要求极高
- 适合计算机基础扎实、对底层系统和高性能计算有浓厚兴趣，且乐于解决复杂工程问题、追求技术深度的软件工程师
缺点 / 挑战
- 依托大平台资源，有大规模算力和海量数据支持，能接触业界顶尖的技术挑战
- 业务场景对性能（低延迟、高并发）要求严苛，工程实现和优化压力较大
角色解读
- 技术专家路线：深耕AI系统工程领域，成为广告技术或大规模机器学习系统方向的资深专家或架构师
- 技术管理路线：在积累足够技术深度和项目经验后，可向技术团队负责人或技术经理方向发展
- 前沿探索路线：持续关注和研究AI编译、异构计算等前沿领域，成为该方向的创新推动者
- 设计和开发高并发、低延迟的广告实时预测引擎和AI Serving系统
- 优化分布式系统架构，提升广告模型服务的稳定性、资源利用率和计算能力
- 进行算法、软件与硬件（如GPU、CPU集群）的协同优化，以最大化利用计算资源
- 研究并探索推荐系统、大模型在线服务领域的前沿AI算法与系统技术
- 精通C/C++编程，熟悉Linux开发环境，具备扎实的系统开发基础
- 拥有GPU开发及优化经验，熟练使用CUDA，并了解TensorFlow/PyTorch等深度学习框架
- 了解分布式系统设计与架构，具备性能优化和资源调度相关知识
- 熟悉推荐系统（召回/排序）或大模型的基本算法原理，有相关应用经验者优先
申请策略
- 在简历或面试中，突出自己解决“高并发、低延迟”或“大规模计算”实际问题的思路和成果
- 提前了解广告系统的基本链路（如召回、排序、竞价）和阿里妈妈的部分公开技术文章，展示业务理解
- 重点突出C/C++和系统编程的项目经验，尤其是涉及性能优化、内存管理、多线程/并发编程的项目
- 详细描述与GPU（CUDA）、深度学习框架（TensorFlow/PyTorch）或编译技术相关的开发或优化经历
- 展示在分布式系统、高并发服务或大规模数据处理方面的实践案例
- 如有推荐系统或大模型的应用开发经验，应作为亮点清晰阐述
- 系统复习C++11/14/17核心特性和现代C++编程范式，确保编码和系统设计能力
- 深入学习CUDA编程模型和GPU优化技巧，并动手实践一个具体的优化案例
面试指南
- 对于系统设计类问题，采用“问题背景 - 技术方案 - 关键权衡 - 效果与反思”的框架回答
- 对于优化类问题，从“指标定义 - 瓶颈分析 - 优化手段（如算法、工程、架构） - 验证与监控”的步骤进行阐述
- 对于算法原理类问题，力求清晰、简洁地解释核心概念，并尝试联系实际应用场景
- 请描述一个你开发的高并发或低延迟系统，遇到了哪些主要挑战？如何解决的？
- 你如何优化一个基于GPU的深度学习推理服务的性能？可以从哪些方面入手？
- 请解释一下推荐系统中召回和排序的基本原理和区别
- 如果你要为一个大规模推荐模型设计在线Serving架构，你会考虑哪些关键因素？（如延迟、吞吐、资源）
- 描述一次你使用C++进行性能优化的经历，采用了什么方法，效果如何？
职位点评
薪资福利80
成长发展90
工作生活60
使命价值70
薪资福利
80较高
该职位隶属于大型上市公司核心业务部门，薪资在同类岗位中具有市场竞争力，对追求薪酬回报的求职者有较强吸引力。
薪资信号市场水准 (3千–5万/月)
成长发展
90较高
职位涉及AI系统开发最前沿的领域（如异构计算、AI编译），技术栈现代且深度高，能提供极佳的技能成长和职业发展机会。
技术前沿前沿/新兴技术
技术栈C/C++、CUDA、TensorFlow、PyTorch、TRT/XLA/TVM/MLIR、推荐系统、大模型
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式、弹性办公或WLB相关信息，根据岗位性质（核心业务、高并发系统）推测工作强度可能不低，且要求现场办公。
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
70中等
将AI技术应用于大规模电商营销场景，能直接助力商业增长，具有明确的商业价值，但社会影响力相较于医疗、环保等领域偏中性。
行业发展稳定成熟行业
社会影响中性/一般
使命信号服务淘天电商核心营销业务、解决实际的业务问题
创新程度积极采用新技术
Watch Jobs