阿里巴巴
智能引擎-大模型高性能计算研发工程师/高级专家-AI Infra
智能引擎-大模型高性能计算研发工程师/高级专家-AI Infra
发布于 大约 9 小时前普通员工/个人贡献者
全职员工仅现场办公高性能计算
高性能计算
Cuda
Gpu
Megatron-Lm
Mlir
Pytorch
Xla
值不值得投
80综合评分
综合评分 80
大厂AI Infra岗位，技术前沿，薪资高，但工作强度可能较大。
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
参考估算薪资
根据职位描述推断，供对比参考
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 1950 个在招 · 其中高性能计算 6 个
市场机会
选择不多
北京 · 高性能计算 · 4 个在招
职位详情
关于这个职位
该职位负责大模型训练场景中高性能计算Pipeline的实现与优化，包括算子融合、显存管理、性能分析等，并跟进业界SOTA技术，实现模型与Infra的协同设计
工作涉及CUDA、Triton、Cutlass等底层技术，适合对异构计算和性能优化有深入理解的工程师
最低要求
工程与算法基础：计算机相关专业背景，有极佳的工程实现能力，精通 C/C++ 与 Python
具备扎实的数据结构与算法功底，熟练掌握 GDB / Nsight 等调试与性能分析工具
异构计算与底层技术：熟悉异构计算体系结构，包括但不限于现代 GPU 并行架构
熟练掌握CUDA 编程、Triton 和 Cutlass 等硬件 DSL
算法工程协同设计：对 LLM、多模态等大模型结构及其核心算法流程有深入理解者优先
主流框架内核：精通 PyTorch / JAX / Megatron-LM 等业界主流大模型引擎的内核实现机制
精通 XLA / MLIR 等编译优化技术者优先
加分项：对钻研技术有热情，勤于动手，善于动脑，不惧困难
工作职责
负责模型训练场景中高性能计算Pipeline的实现，通过访存算子优化、算子融合、MoE/Attention算子定制，实现精细化显存管理、最大化计算/访存效率
负责结合大语言模型、多模态理解生成模型、Agentic RL等场景的模型训练需求进行算子设计，实现模型-Infra的Co-Design
负责世界模型、实时生成交互等场景的高性能低延迟算子设计和实现，满足模型加速上线的需求
使用专业的Profiling工具和手段，对大模型训练的端到端性能进行分析，精准定位Kernel执行、数据搬运、通信等环节的瓶颈，并提出体系化的优化方案
跟进业界SOTA的高性能计算工作，调研并实施异构硬件在超大规模训练场景的落地方案
AI 洞察
优缺点分析
优点
- 技术前沿，涉及大模型训练、高性能计算等热门领域，技能积累快
- 阿里巴巴平台资源丰富，有大规模GPU集群和真实业务场景
- 薪资水平高，福利待遇好
- 技术难度高，需要深入理解底层硬件和计算架构
- 技术更新快，需要持续学习
缺点 / 挑战
- 工作强度大，可能面临较大的项目压力
- 适合对底层技术有浓厚兴趣，喜欢挑战，具备扎实的计算机基础和异构计算经验的工程师
角色解读
- 从高性能计算工程师成长为AI Infra领域的专家，负责核心训练框架的优化
- 可向技术管理方向发展，带领团队负责大规模训练基础设施的建设
- 有机会参与前沿AI技术（如世界模型、Agentic RL）的研发，成为技术领军人物
- 负责大模型训练场景中高性能计算Pipeline的实现与优化，包括算子融合、显存管理等
- 结合大语言模型、多模态模型等训练需求进行算子设计，实现模型与Infra的协同设计
- 使用Profiling工具对大模型训练性能进行分析，定位并解决性能瓶颈
- 跟进业界SOTA高性能计算工作，探索异构硬件在超大规模训练场景的落地
- 精通C/C++和Python，具备扎实的算法和数据结构基础
- 熟悉CUDA、Triton、Cutlass等异构计算技术
- 深入理解PyTorch、JAX、Megatron-LM等大模型框架的内核实现
- 了解LLM、多模态等大模型结构及核心算法流程
申请策略
- 了解阿里巴巴AI Infra团队的业务方向和技术栈
- 在面试中展示对技术细节的深入理解和解决问题的能力
- 突出C++/Python编程能力，以及CUDA、Triton等异构计算项目经验
- 强调大模型训练或推理的优化案例，如算子融合、显存优化等
- 展示对PyTorch、Megatron-LM等框架内核的理解
- 深入学习CUDA、Triton等编程技术，并动手实践
- 了解XLA、MLIR等编译优化技术
- 关注业界SOTA高性能计算工作，如FlashAttention等
面试指南
- 从计算、访存、通信等角度分析性能瓶颈，结合具体工具（如Nsight）进行定位
- 结合具体案例，说明优化思路和效果
- 体现对底层架构和算法流程的深入理解
- 如何优化一个Transformer模型的训练性能？
- 解释FlashAttention的原理和优势
- 如何定位和解决GPU训练中的性能瓶颈？
- 谈谈你对模型与Infra协同设计的理解
- 复习CUDA、Triton等编程技术，并准备相关项目案例
职位点评
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
阿里巴巴作为大厂，薪资水平高，福利完善，补偿性动机满足程度高。
薪资信号未披露（AI估算：50K-90K/月）
成长发展
95较高
该职位涉及前沿技术，成长空间大，发展性动机满足程度极高。
技术前沿前沿/新兴技术
技术栈CUDA、Triton、Cutlass、PyTorch、Megatron-LM、XLA、MLIR
业务类型profit_center
工作生活
50较低
工作地点在北京或杭州，需现场办公，工作强度可能较大，生活化动机满足一般。
工作模式仅现场办公
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
AI基础设施是前沿领域，对技术发展有推动作用，意义感动机满足较好。
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