阿里巴巴
数据技术及产品部-RL Data工程师-Work（EDA/芯片设计 领域）
数据技术及产品部-RL Data工程师-Work（EDA/芯片设计 领域）
发布于 大约 14 小时前基层主管/组长
全职员工仅现场办公数据工程
数据工程
Eda
Llm
Rtl设计
Sdc
Tcl
芯片设计
Cocotb
Openroad
Verilator
值不值得投
72综合评分
综合评分 72
大厂平台，前沿EDA+AI数据方向，成长性强，但工作强度和生活平衡需权衡。
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
53K
比数据工程中位数高
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 1580 个在招 · 其中数据工程 24 个
市场机会
选择面较广
杭州 · 数据工程 · 62 个在招
职位详情
关于这个职位
该职位属于阿里巴巴数据技术及产品部，专注于EDA/芯片设计领域的数据构造与质量闭环，为AI模型训练提供高质量数据
你将负责领域任务拆解、数据环境搭建、Rubric共建及外部专家管理，并参与数据到模型评测的完整链路
适合具备芯片设计背景且对AI数据工程感兴趣的资深工程师
最低要求
具备 EDA/芯片设计系统性认知，在 RTL 设计/仿真/综合/STA/PnR/DFT 中至少一个环节能做出准确的对错裁定
有团队管理或专家协作经验，能带 5~10 人规模的领域数据交付
有 AI/模型背景，能读懂模型 benchmark、定位能力短板并反推数据需求
熟悉工具链（DC/Genus/ICC2 或其开源对标 Yosys/OpenROAD 等）与 CLI 工作方式，能独立搭 Verilator/cocotb 类可验证环境
熟悉 Verilog + SDC，能读得懂波形、时序报告与综合日志
Taxonomy 与 instance 设计能力，能独立完成从领域拆解到 instance 模板的完整链路
轻量工程能力：Python/TCL 脚本化处理数据、批量调用 LLM、读得懂工具日志
工作职责
领域任务与数据构造设计：针对数字主线（RTL 设计/仿真/综合/STA/PnR/DFT）与 TCL 脚本/波形理解等横切任务做结构化拆解，明确一级领域 → 二级场景 → 任务类型 → instance 模板，产出可复用的领域数据体系
数据来源与可验证环境组织：把可验证环境（Verilator/iverilog/cocotb、Yosys、OpenROAD/OpenLane、KLayout/Magic）转化为可批量造题的数据来源
组织开源 RTL 反推 spec、mutation 注 bug、benchmark 种子（VerilogEval/RTLLM/CVDP）等多路数据供给
Rubric 共建：与 Rubric 团队一起把 EDA 的专业判断拆成硬验证（工具退出码）+ 数值指标（slack/面积/功耗连续奖励）+ milestone + LLM judge 的多层评分规则，识别本领域 rubric 上的领先能力点
外部专家管理：分配任务、答疑、抽检验收，把控专家产能与交付质量
给出清晰的标注规范、边界案例与仲裁依据
数据 → 模型 → 评测 闭环：读得懂 EDA 相关 benchmark 表现，定位模型能力短板并反推所需数据
周期性输出数据质量报告，驱动数据补充与评测修正
采集 Agent 与工程环境配套：配合工程侧在服务器集群（LSF/SGE）+ 命令行/TCL 脚本的真实工程环境上部署采集 Agent，让数据链路贴合实际工作方式
AI 洞察
优缺点分析
优点
- 涉及EDA与AI结合的前沿领域，赛道新，竞争力强，成长空间大
- 岗位兼具管理职责和技术方向，能同时锻炼领导力与专业技能
- 需要同时掌握硬件语言和AI技术，入门门槛高，学习曲线陡峭
- 互联网大厂普遍工作强度较大，需提前做好心理准备
- 适合具有芯片设计背景，同时希望转向AI数据工程且具备一定管理意愿的资深工程师
缺点 / 挑战
- 阿里巴巴大平台，资源丰富，技术挑战大，数据基础设施成熟
- 工作内容涉及大量跨团队协作和外部专家管理，沟通成本较高
角色解读
- 在数据工程+AI+EDA的交叉领域深耕，成为数据科学家或AI数据架构师
- 凭借团队管理经验，可晋升为数据团队的技术负责人或总监
- 深入参与LLM在工业设计软件中的应用，未来可转向更广泛的技术产品研发
- 负责EDA/芯片设计领域的数据体系设计，包括任务拆解、实例模板设计，为AI模型训练提供结构化数据
- 组织并维护可验证环境（如Verilator、Yosys），将工具链转化为数据生成来源，并推动数据采集与标注
- 与Rubric团队协作制定多层评分规则，确保模型评测的准确性，并管理外部专家团队保证数据质量
- 参与数据到模型的闭环迭代，分析模型短板并反推数据需求，持续优化数据链路
- 深厚的EDA/芯片设计知识，至少在RTL设计、仿真、综合、STA、PnR、DFT等领域之一有对错裁定能力
- 熟悉常见工具链（DC/Genus/ICC2或开源对应工具），能独立搭建Verilator/cocotb等验证环境
- 具备AI/模型背景，能够解读benchmark、定位模型能力瓶颈，并反推数据需求
- 良好的工程能力：Python/TCL脚本处理、批量调用LLM，并能清晰理解工具日志
申请策略
- 了解阿里巴巴数据技术及产品部在EDA领域的布局和已有成果，在面试中可展示你的理解
- 准备好能体现你管理和技术双重能力的案例，如如何带领团队完成数据交付
- 突出EDA/芯片设计领域的实战经验，尤其是RTL设计、验证或物理实现方面的项目成果
- 展示与AI/模型相关的经历，如模型评测、数据标注或LLM应用，强调能读懂benchmark
- 强调团队管理或专家协作经验，说明如何把控数据质量和交付进度
- 展示Python/TCL脚本开发和工具链搭建能力，附上代码仓库或技术博客链接
- 若缺乏AI背景，可先学习深度学习基础，了解LLM原理和常见评测方法
- 熟悉开源EDA工具（如Yosys、OpenROAD）和验证环境（Verilator/cocotb），尝试独立搭建一个小型项目
面试指南
- 对于技术问题，采用STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result），具体说明你的贡献和成果
- 对于数据/模型问题，从问题定义、数据收集、特征工程、模型评估和迭代优化的逻辑展开，强调数据对模型性能的影响
- 对于管理问题，展示你的组织能力、沟通策略和质量控制方法，突出结果导向和团队协作
- 请描述你在RTL设计或验证中的一个具体项目，你是如何判断设计正确性的？
- 你如何理解数据 → 模型 → 评测的闭环？请举例说明如何通过数据提升模型表现
- 你怎么设计一个针对EDA领域的自动评分规则（Rubric）？
- 如果你需要管理5~10人的专家团队，你会如何分配任务和保障质量？
- 谈谈你对开源EDA工具链（如Yosys、OpenROAD）的了解和使用经验
职位点评
薪资福利70
成长发展88
工作生活50
使命价值75
薪资福利
70中等
岗位提供阿里巴巴大厂的高薪酬和稳定平台，但具体薪资福利未在JD中说明，因此综合满足度良好而非突出。
薪资信号未披露（AI估算：40K-65K/月）
成长发展
88较高
岗位处于EDA+AI前沿领域，技术栈新，涉及数据工程、大模型、芯片设计，成长机会多，且具备管理职责，发展性强。
技术前沿前沿/新兴技术
技术栈EDA、RTL、Verilog、SDC、Python、TCL、LLM、Verilator、cocotb、Yosys、OpenROAD
业务类型ambiguous
工作生活
50较低
未提及远程或弹性工作，且大厂通常工作强度大，生活平衡满足度一般。
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
75中等
EDA/AI数据工程属于国家重点发展领域，有一定行业使命感，但岗位直接对应的社会价值影响有限。
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
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs