阿里巴巴
阿里云智能-服务器软硬件结合开发专家-深圳
阿里云智能-服务器软硬件结合开发专家-深圳
发布于 大约 20 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
Pytorch
Tensorrt-Llm
Tvm
异构计算
模型量化
值不值得投
75综合评分
综合评分 75
前沿AI软硬件协同优化，技术成长空间大，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
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 2140 个在招 · 其中高性能计算 10 个
职位详情
关于这个职位
该职位负责视觉生成与多模态模型在GPU、ASIC、FPGA等异构硬件上的推理与后训练加速，涉及模型量化、算子优化、编译优化等软硬件结合的性能优化工作
你将与硬件和算法工程师紧密合作，推动AI模型的运行效率提升，并跟踪前沿技术，实现软硬件协同创新
适合对AI软硬件协同优化有深厚兴趣和丰富经验的技术专家
最低要求
计算机/电子/数学等相关专业，精通C++/Python/Rust，具备5年以上高性能计算或GPU相关软件开发经验
熟悉常用数据结构与算法
对计算机体系结构（如缓存/多线程/SIMD 等）有一定理解，能够深入性能瓶颈细节进行优化
熟悉主流AI框架（PyTorch/TensorFlow）及优化工具（TensorRT-LLM、TVM），有LLM或扩散模型等生成式AI场景的调优经验
对AI技术前沿有强烈兴趣，能快速学习并解决复杂技术问题，熟练掌握行业论文的分析能力
具有优秀的逻辑思维能力，能够适应AI软硬件结合技术的快速变化，能跟上主流AI优化技术的发展节奏
有强烈技术热情和好奇心，自驱力和学习力强
具备良好的分析与解决问题的能力、沟通以及团队合作能力
喜欢挑战性的技术研发工作，善于攻坚克难，有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破
工作职责
参与视觉生成/多模态模型（包括文本、图像、视频生成等）在GPU、ASIC、FPGA等异构硬件上的推理/后训练加速开发与软硬件结合的性能优化工作，包括但不限于模型量化、attention优化、显存优化、编译优化、计算与通信优化、内存管理以及多卡或多设备的并行推理方案等
在主流深度学习框架（如PyTorch）基础上，基于GPU/xPU硬件特点，对关键算子进行软硬件结合优化，提升模型运行效率
与硬件以及算法工程师紧密配合，共同优化整体推理速度与资源占用
跟踪学术界与工业界前沿技术（如扩散模型优化、VAE并行优化、AI编解码、面向机器的编解码等），推动软硬件协同创新
优先资格
熟悉AI推理框架（如SGLang/vLLM等），熟悉diffusers、modelscope等算法库
有高并发、低延迟服务的实践经验
懂GPU编程（如CUDA/HIP）或对FPGA/ASIC加速有一定认知，对异构计算方向感兴趣
具有AIGC领域相关工作经验（如Stable Diffusion/Flux/Wan等DiT模型优化工作），如有成功落地项目经验更佳
熟悉AI编解码算法(如VCM/JPEG-AI/Mlic等)原理
掌握AI基础知识，掌握基础提示词工程，会使用AI专业工具，集成AI到个人工作流
有AI相关开发工具应用研发经验者优先，持有阿里云ACA/ACP/ACE认证证书者优先
AI 洞察
优缺点分析
优点
- 在阿里云智能集团，平台资源丰富，能参与大规模实际业务场景
- 软硬件结合方向，技术壁垒高，职业发展前景广阔
- 技术栈要求高，需要同时掌握软件和硬件知识，学习曲线陡峭
- 工作强度可能较大，需要快速跟进AI技术迭代，持续攻坚
缺点 / 挑战
- 接触前沿的AI生成模型与异构硬件，技术挑战大，成长快
- 对性能优化要求极致，工作压力较大
- 适合对AI底层优化有强烈兴趣，具备扎实的计算机体系结构和编程功底，喜欢挑战性技术难题的工程师
角色解读
- 在AI软硬件协同领域深耕，成为技术专家，负责更复杂的系统级优化
- 向技术管理方向发展，带领团队进行AI基础设施的研发与优化
- 随着AI硬件的发展，在异构计算、芯片软件栈等方向有广阔的发展空间
- 负责视觉生成和多模态模型在GPU、ASIC、FPGA等异构硬件上的推理与后训练加速，包括模型量化、算子优化、编译优化等
- 基于PyTorch等主流框架，针对GPU/xPU硬件特性进行关键算子的软硬件结合优化，提升模型运行效率
- 与硬件和算法工程师紧密协作，优化整体推理速度与资源占用，并跟踪前沿技术推动软硬件协同创新
- 精通C++/Python/Rust，具备5年以上高性能计算或GPU相关软件开发经验
- 熟悉计算机体系结构，如缓存、多线程、SIMD，并能深入性能瓶颈进行优化
- 熟悉主流AI框架（PyTorch/TensorFlow）及优化工具（TensorRT-LLM、TVM），有生成式AI场景的调优经验
申请策略
- 关注阿里云在AI基础设施方面的技术博客和开源项目，了解其技术栈
- 在面试中强调对AI软硬件协同优化的热情和实际项目经验，展示技术深度
- 突出GPU/CUDA编程经验，以及在高性能计算或AI推理优化方面的具体项目成果
- 强调对PyTorch、TensorRT-LLM等框架的深入理解，以及模型量化、算子优化的实际经验
- 展示在生成式AI（如Stable Diffusion、LLM）场景下的调优案例，体现解决复杂问题的能力
- 补充学习CUDA/HIP编程，或了解FPGA/ASIC加速原理，提升异构计算能力
- 熟悉SGLang/vLLM等推理框架，以及diffusers等算法库，增强对AI工具链的掌握
面试指南
- 采用STAR法则，清晰描述项目背景、任务、行动和结果，突出量化指标
- 强调分析问题的方法论，如使用profiling工具定位瓶颈，并基于硬件特性提出优化方案
- 展示对技术原理的深入理解，并说明如何权衡性能、精度和资源占用
- 请描述一个你优化过的GPU算子，具体如何分析性能瓶颈并实现加速？
- 如何理解模型量化？在推理中如何选择量化方案并保证精度？
- 在PyTorch中，如何针对特定硬件进行算子融合或编译优化？
- 你如何看待AI编解码（如VCM/JPEG-AI）在生成式模型中的应用？
- 请分享一个你跟踪前沿技术并落地到项目的案例
职位点评
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
该职位为技术专家岗，薪资水平预计较高，且阿里云平台提供较好的福利保障，但JD未明确具体薪资范围。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
90较高
该职位处于AI软硬件协同优化的前沿领域，技术挑战大，成长空间广阔，符合高发展性动机。
技术前沿前沿/新兴技术
技术栈GPU、ASIC、FPGA、PyTorch、TensorRT-LLM、TVM、CUDA、模型量化、异构计算
业务类型profit_center
工作生活
50较低
JD未提及工作模式，但根据岗位性质，可能为现场办公，且高强度技术攻坚可能影响工作生活平衡。
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
该职位推动AI技术落地，具有技术创新的意义，但社会价值影响相对中性。
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