阿里巴巴
平头哥-AI计算加速软件专家-北京
平头哥-AI计算加速软件专家-北京
发布于 大约 21 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Attention
Cuda
Moe
Pytorch
大模型
性能调优
算法优化
计算机体系结构
高性能计算
值不值得投
78综合评分
综合评分 78
前沿AI加速技术岗、高薪资、大平台成长机会，但WLB信息不明确。
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
50K
比算法优化工程师中位数高
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 2740 个在招 · 其中算法优化工程师 约 110 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 210 个在招
职位详情
关于这个职位
该职位专注于设计和开发高性能计算加速算法，以优化生成式AI和大语言模型等场景的推理与训练性能
需要基于硬件特性进行极致性能分析，参与芯片架构和软件平台的设计演进
适合具备深厚算法与系统背景，追求技术前沿的高级工程师
最低要求
计算机/电子/数学相关专业硕士及以上学历，8年或以上相关从业经验
精通 C/C++，具备出色的程序开发、设计、调试和调优能力
精通各种基本算法，对操作系统、计算机体系结构有深入的理解
良好的沟通和解决问题能力、时间管理能力、自我驱动能力、英文读写能力
工作职责
设计开发高性能计算加速算法，包括但不限于MoE、Attention、卷积、矩阵乘及相关的融合和量化
基于硬件特性进行极致性能分析和优化，制定通用性能调优策略，适配和调优各种主流框架和开源代码
深度分析各种实际应用，如生成式AI/大语言模型推理和训练等场景，发明和改进能发挥硬件优势的加速算法
和其他团队紧密合作，参与并影响芯片架构、编程模型和软件平台的设计和路线演进
优先资格
满足以下一种或多种条件者从优：
具备大模型推理或训练相关开源模块的开发经验，如 cutlass、Flash-Attention、FlashInfer、MoE、DeepGemm 等
熟悉主流框架，如 Pytorch、Tensorflow、vllm、sglang、TRT-LLM 等
熟悉大语言模型算法，如 LLaMa/Qwen/DeepSeek 等
具备坚实的并行编程基础：有 CUDA/OpenCL 相关项目经历
参与卷积、矩阵乘、矩阵分解、Normalize 等 AI 相关算子开发调优经验
深入参与软件架构设计和优化、性能分析和调优的项目经验
对可编程芯片（如 GPU/NPU/TPU/CPU）架构有深入理解，或有对应研发经历
对数值计算、线性代数相关算法有深刻的理解
AI 洞察
优缺点分析
优点
- 接触AI计算加速前沿技术，参与大模型核心算法优化，技术成长空间大
- 依托大平台资源，与硬件、软件团队紧密合作，影响芯片架构设计
- 行业需求旺盛，技能积累有助于长期职业发展
- 性能优化要求极致，可能面临复杂调试和高负载场景
- 工作节奏可能较快，需平衡多团队协作和项目 deadline
缺点 / 挑战
- 技术难度高，需持续跟进硬件和算法演进，学习压力较大
- 适合有深厚算法和系统背景，追求技术深度与创新，能接受高强度技术挑战的高级工程师
角色解读
- 可晋升为AI系统架构师或计算平台技术专家，主导复杂项目
- 向技术管理方向发展，带领团队进行算法研发和性能优化
- 在芯片设计与软件协同领域积累深度，成为行业技术领袖
- 设计并实现高性能计算加速算法，针对MoE、Attention等AI核心算子进行优化
- 基于硬件特性分析性能瓶颈，制定调优策略以提升大语言模型推理和训练效率
- 与芯片、软件团队协作，参与技术路线规划，推动计算平台演进
- 精通C/C++编程，具备算法设计和系统调优能力
- 深入理解计算机体系结构、操作系统，掌握并行计算技术（如CUDA）
- 熟悉AI框架（如PyTorch）和大模型算法，有相关开源项目经验
申请策略
- 了解阿里平头哥芯片业务（如含光系列）和计算平台方向，面试中体现业务洞察
- 准备展示技术深度的案例，如算法优化前后的性能对比分析
- 突出C/C++、CUDA等编程技能，以及高性能计算、算子优化的项目经验
- 强调大模型相关开发（如Flash-Attention、MoE）或框架（如PyTorch、TensorRT-LLM）的实践成果
- 展示对计算机体系结构的理解，以及性能调优的量化成果
- 加强CUDA/OpenCL并行编程能力，深入学习大模型推理优化技术
- 研究主流AI框架源码，参与开源社区贡献以积累实战经验
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验
- 从算法原理、硬件特性和实现细节三个层面阐述技术方案
- 强调团队协作和沟通，说明如何与跨职能团队合作解决问题
- 如何优化Attention算法以减少内存占用并提升计算速度？
- 描述一个你参与的AI算子性能调优项目，遇到的主要挑战和解决方案
- 对MoE（混合专家模型）架构的计算特点有哪些理解？如何加速其训练或推理？
- 如何平衡算法通用性与硬件特定优化之间的关系？
- 复习高性能计算、并行算法和大模型基础知识，熟悉CUDA编程模型
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
该职位在大平台中具备高薪资潜力，福利体系较为完善，能满足补偿性动机需求。
薪资信号偏高 (40K-60K/月)
成长发展
90较高
涉及前沿AI加速技术，提供深度技术挑战和成长空间，有利于技能积累和职业发展。
技术前沿前沿/新兴技术
技术栈C/C++、CUDA、MoE、Attention、PyTorch、TensorFlow、vllm、SGlang、TRT-LLM
业务类型ambiguous
工作生活
50较低
JD未明确工作模式和WLB信息，可能需现场办公，工作强度存在不确定性。
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
位于高速增长的AI赛道，技术革新性强，对推动计算效率有积极影响。
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