阿里巴巴
阿里云智能-模型性能优化专家-PAI
阿里云智能-模型性能优化专家-PAI
发布于 10 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
Ai Coding
Cuda
Deepspeed
Pytorch
Tensorrt
分布式训练
大模型推理
性能优化
值不值得投
78综合评分
综合评分 78
阿里云核心AI基础设施专家岗，技术前沿且壁垒极高，薪资竞争力强，适合追求技术深度的极客。
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
5.5万
与算法优化工程师中位数基本持平
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 3000 个在招 · 其中算法优化工程师 约 120 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 约 140 个在招
职位详情
关于这个职位
该职位隶属于阿里云PAI平台团队，主要负责AI模型训练与推理的性能优化工作
你需要分析模型在不同硬件和集群环境中的瓶颈，通过框架优化、分布式架构调整及推理端量化等手段，极致提升计算性能与资源利用率，并为重点客户提供端到端的技术支持
最低要求
必备条件：
● 深度学习框架：熟悉至少一种主流深度学习框架（PyTorch、TensorFlow、JAX、DeepSpeed、Megatron 等），理解其底层执行机制与扩展方式
● 工程能力：熟练掌握 C++ 与 Python，具备扎实的工程实现能力和良好的代码素养
● 硬件加速经验：具备 GPU（CUDA、cuDNN、NCCL）或 AI 加速芯片（GPU，PPU等）的性能优化实战经验
● 分布式训练：熟悉分布式训练框架与通信原理（如 Ring AllReduce、Horovod、DeepSpeed、Megatron-LM 等），理解并行策略（DP/TP/PP/EP）的设计权衡
● 性能分析：熟练使用性能 profiling 工具（nsys、nvprof、perf、torch.profiler 等），能够快速定位并解决性能瓶颈
● AI Coding 能力：熟练使用 Claude Code、Cursor、Copilot 等 AI 编程工具提升开发效率，具备良好的 prompt 设计与人机协作意识，能够将 AI 工具有效融入日常开发、调试与代码审查流程
● 软素质：具备优秀的客户导向意识，心态开放，善于跨团队协作
学习能力强，自我驱动力足，能够持续跟踪前沿技术并结合客户场景落地
工作职责
● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案
● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化
● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能
● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化
● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离
● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持
优先资格
加分项：
● 具备大模型训练与推理优化经验（GPT、Llama、Diffusion、MoE 等），熟悉显存优化、算子融合、量化压缩等技术
● 熟悉自动驾驶或具身智能方向的模型与系统（多模态感知、规划控制、强化学习、SLAM、Policy 训练等）
● 了解 AI 编译器技术栈（XLA、TVM、TensorRT、OneDNN、AITemplate、BladeDISC 等），具备算子开发或图优化经验
● 有在 AI 平台、云平台或框架团队工作的经验
● 对 AI 系统性能调优、算力调度、集群调度系统（K8s、Ray、Slurm 等）有实践经验
● 有构建 AI Coding Agent、代码生成类系统、或多 Agent 协同工作流的经验者优先
AI 洞察
优缺点分析
优点
- 依托阿里云PAI平台，能接触海量算力与顶尖大模型场景，技术视野广阔
- 岗位技术壁垒极高，属于AI基础设施核心环节，不可替代性强
- 适合对底层系统、硬件加速和深度学习框架有浓厚兴趣，具备扎实C++/CUDA功底且喜欢钻研性能极致优化的技术极客
缺点 / 挑战
- 需要深入底层硬件与编译器原理，技术学习曲线陡峭，持续跟进前沿技术的压力较大
- 跨团队协作与客户支持可能带来一定的沟通与交付压力
角色解读
- 可向AI系统架构师、首席科学家或技术专家方向发展
- 在AI大模型和算力爆发的背景下，底层性能优化专家的需求将持续增长，职业生命周期长且壁垒高
- 深入分析AI模型在各类硬件和集群上的性能瓶颈，制定并实施优化方案
- 对深度学习框架进行算子、内核或图级别的优化，提升训练与推理速度
- 支持重点客户，提供端到端的模型性能调优与技术支持
- 精通C++与Python，熟悉PyTorch等主流深度学习框架的底层机制
- 具备GPU/CUDA等硬件加速及分布式训练（DP/TP/PP）的实战经验
- 熟练使用性能分析工具，并具备AI Coding工具的高效使用能力
申请策略
- 了解阿里云PAI平台的最新产品动态及在业界大模型训练中的落地案例，面试时展现出对算力效率的极致追求
- 突出在CUDA编程、分布式训练框架（如DeepSpeed/Megatron）或推理引擎（TensorRT）上的具体优化成果与性能提升数据
- 展示使用AI Coding工具提升开发效率的实际案例
- 深入学习AI编译器技术栈（如TVM、XLA）及大模型显存优化、算子融合技术
- 熟悉K8s、Ray等集群调度系统
面试指南
- 采用STAR法则，重点突出“问题定位（Profiling） -> 根因分析 -> 优化方案（算子/通信/内存） -> 最终收益（性能提升百分比）”的完整闭环
- 请详细描述一次你解决过的最复杂的GPU性能瓶颈问题，你是如何定位并优化的？
- 在分布式训练中，数据并行和模型并行的通信开销如何优化？
- 针对大模型推理，量化和算子融合的具体实现思路是什么？
- 你平时如何使用AI Coding工具提升开发效率？请举例说明
- 复习CUDA编程模型、NCCL通信原理及PyTorch底层执行机制
- 准备1-2个具有代表性的性能优化深度案例，并准备好相关的数据指标
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
作为核心底层技术专家岗，薪资水平在市场中具有较强竞争力，且依托上市巨头平台，整体薪酬福利体系完善。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
岗位聚焦AI计算性能与系统效率，接触大模型、分布式训练等前沿技术，技术成长空间与行业壁垒极高。
技术前沿前沿/新兴技术
技术栈PyTorch、CUDA、TensorRT、DeepSpeed、Megatron、C++、Python
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与加班情况，但作为核心研发与专家岗，且需支持重点客户，工作强度可能较大。
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
80较高
致力于提升AI计算效率，推动大模型等前沿AI技术的落地应用，对AI行业发展具有积极的底层支撑作用。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs