阿里巴巴
达摩院-AI软件栈测试leader-计算技术
达摩院-AI软件栈测试leader-计算技术
发布于 3 小时前中层管理(经理/总监)
全职员工仅现场办公测试开发
测试开发
Ai软件栈
CI/CD
Llvm
Pytorch
云原生
团队管理
异构计算
自动化测试
值不值得投
76综合评分
综合评分 76
核心AI底层技术管理岗，前沿技术栈与高薪兼具，但工作强度与管理挑战较大。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6.5万
比测试开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3140 个在招 · 其中测试开发 31 个
市场机会
选择面较广
上海 · 测试开发 · 约 250 个在招
职位详情
关于这个职位
该职位负责阿里巴巴达摩院AI软件栈的端到端质量保障，领导约50人的测试团队，覆盖底层驱动、编译器、算子到深度学习框架的全栈测试
你需要制定测试战略、推动自动化与工具链建设，并确保AI软件在异构计算平台上的功能、性能与稳定性
最低要求
● 计算机科学、电子工程或相关专业硕士及以上学历
● 8年以上软件测试经验，其中至少5年在AI/高性能计算软件领域
● 3年以上技术团队管理经验，具备跨地域或混合用工（正式+外包）团队管理实践
● 深入理解AI软件栈架构，包括但不限于：驱动层（KMD/UMD/Runtime/CCL/Video/Security）、编译器（LLVM、AI Compiler、Triton）、算子与模型推理（PyTorch、vLLM、Model Zoo）、工具链（GDB、Profiler、Sanitizer、覆盖率工具）
● 精通Linux系统、Python/C++自动化框架，熟悉CI/CD与云原生测试环境
● 具备出色的跨团队沟通、技术判断与项目推动力
工作职责
● 测试战略与体系建设：制定并落地AI软件栈整体测试策略，覆盖驱动、编译器、算子、深度学习框架、工具链及云原生环境的全生命周期质量保障
● 团队管理与能力建设：技术上领导约50人的测试团队（含正式与外包资源），合理分配模块测试、集成测试与专项测试人力，持续提升自动化覆盖率、测试效率与缺陷拦截能力
● 跨模块协同与质量左移：与AI架构、驱动开发、编译器、算法及产品团队紧密协作，在需求与设计阶段介入，推动可测性设计和质量内建
● 关键质量维度保障：主导功能正确性（边界、异常、多进程等）、性能与功耗（吞吐、延迟、能效比）、精度一致性（CPU/GPU/NPU数值对齐）及稳定性与鲁棒性（长稳、OOM、故障注入等）的测试覆盖
● 自动化与工具链建设：推动EMU仿真环境、自动化回归流水线、设备级代码覆盖率工具等基础设施的落地与优化，提升测试左移与右移能力
● 质量度量与持续改进：建立质量看板，监控缺陷逃逸率、回归通过率、自动化覆盖率等核心指标，驱动流程与技术持续优化
优先资格
● 有GPU/NPU芯片公司或大型AI平台（如NVIDIA、华为、寒武纪、Meta、AWS等）测试体系建设经验
● 熟悉视频处理、虚拟化、安全启动等垂直领域测试挑战
● 主导过大规模集成测试或全栈回归体系搭建
● 对AI模型精度验证、性能调优、功耗分析有实战经验
AI 洞察
优缺点分析
优点
- 处于AI与异构计算的最前沿，能够接触到GPU/NPU底层驱动、编译器及大模型推理框架等核心技术
- 依托顶级平台资源，有机会主导数十人规模团队，锻炼大型技术团队管理与体系建设能力
- 岗位核心度高，直接保障AI软件栈在各类硬件上的性能与稳定性，业务影响力大
- AI软件栈涉及底层驱动、编译器、框架等多个复杂模块，技术跨度大，质量保障体系搭建难度极高
- 具备深厚AI底层软件测试经验，且拥有大型技术团队管理背景，渴望在AI基础设施与异构计算领域深耕的技术管理人才
缺点 / 挑战
- 管理50人规模的混合用工团队，对跨地域协同、资源分配及外包人员管理提出了很高的管理挑战
角色解读
- 向更高级别的技术管理岗位发展，如测试总监或质量保障体系负责人，统筹更大规模的AI基础设施质量
- 深耕AI底层软件与异构计算领域，成为AI芯片与软件栈协同优化的行业顶尖专家
- 制定并落地AI软件栈（从底层驱动、编译器到深度学习框架）的全生命周期测试战略与质量保障体系
- 领导约50人的测试团队，统筹模块测试、集成测试与专项测试（性能/稳定性/精度），提升自动化覆盖率与缺陷拦截能力
- 推动自动化测试工具链与基础设施（如EMU仿真、CI/CD流水线）建设，实现质量左移与持续改进
- 深厚的AI软件栈架构理解，包括驱动层、编译器（LLVM/Triton）、算子及推理框架（PyTorch/vLLM）
- 精通Linux系统、Python/C++自动化开发，熟悉CI/CD与云原生测试环境
- 具备大型技术团队（含外包）的管理经验，以及跨团队协同与项目推动能力
申请策略
- 提前了解达摩院在AI芯片及计算技术方向的最新布局与开源项目，在面试中展现对业务的深刻理解
- 突出在AI/高性能计算领域的测试经验，特别是驱动、编译器或深度学习框架的端到端质量保障案例
- 量化团队管理成果，如带领多少人、提升自动化覆盖率的具体数据、缺陷拦截率的改善等
- 展示在自动化测试工具链建设、CI/CD流水线优化及云原生测试环境搭建方面的技术深度
- 深入学习大模型推理框架（如vLLM）及AI编译器（如Triton、TVM）的最新测试方法论
- 提升大规模分布式测试与异构计算平台（GPU/NPU）性能调优及精度验证的实战能力
面试指南
- 采用STAR法则，结合具体业务场景（如大模型推理或芯片适配），阐述从发现问题、制定策略、技术选型到落地收益的完整闭环
- 在回答管理与协同问题时，强调‘机制建设’与‘工具赋能’，展现如何通过流程规范和自动化手段解决跨团队与外包管理难题
- 如何从零到一搭建覆盖底层驱动到上层框架的AI软件栈端到端测试体系？
- 在管理50人包含正式与外包的混合团队时，你如何保证测试效率与质量标准的统一？
- 针对CPU/GPU/NPU异构平台，如何设计并执行数值精度对齐与性能功耗基准测试？
- 请分享一个你主导的自动化测试工具链建设或质量左移的成功案例
- 复习AI软件栈各层级（驱动、编译器、框架）的核心测试痛点与解决方案，准备1-2个深度的技术攻坚案例
- 梳理过往团队管理中的关键指标（如自动化覆盖率、缺陷逃逸率），用数据证明你的管理成效
职位点评
薪资福利85
成长发展90
工作生活40
使命价值80
薪资福利
85较高
作为核心AI技术的高级管理岗，薪资水平处于行业前列，且上市公司福利体系完善，能充分满足对高薪酬与稳定性的期望。
薪资信号偏高 (5千–8万/月)
成长发展
90较高
岗位处于AI底层软件与异构计算的最前沿，能接触到行业顶尖技术，且负责大团队管理，为技术与管理双重发展提供极佳平台。
技术前沿前沿/新兴技术
技术栈AI软件栈、LLVM、Triton、PyTorch、vLLM、Python、C++、CI/CD、云原生
业务类型ambiguous
工作生活
40较低
JD未提及工作模式与WLB相关信息，且作为管理大团队的核心技术负责人，工作强度与压力通常较大，生活平衡度可能受限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
致力于AI底层软件栈与异构计算平台的质量保障，推动AI技术的落地与性能优化，具有极高的技术使命感与行业推动价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs