阿里巴巴
智能引擎-训练研发工程师-视觉生成大模型
智能引擎-训练研发工程师-视觉生成大模型
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Cuda
Deepspeed
Jax
Megatron
Pytorch
分布式训练
模型量化
值不值得投
80综合评分
综合评分 80
阿里核心大模型AI Infra岗，技术前沿且成长空间极大，薪资竞争力强，但技术挑战与工作强度较高。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5万
比机器学习工程中位数高
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 3520 个在招 · 其中机器学习工程 约 190 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 510 个在招
职位详情
关于这个职位
该职位隶属于阿里视觉生成大模型AI Infra团队，主要负责通义Wan等核心模型的分布式训练架构设计与底层性能调优
你将通过低bit量化、稀疏化及高性能Kernel开发等技术，提升GPU利用率与训练吞吐，解决系统瓶颈，为大模型的高效训练提供底层基础设施支持
最低要求
计算机、软件工程、人工智能相关专业硕士及以上学历
扎实的工程能力，优良的编程风格，熟悉Python/C++语言和常用设计模式，具备复杂系统的设计开发调试能力
熟悉深度学习基础理论，理解主流训练框架（如 PyTorch、Megatron、DeepSpeed、JAX 等）的特点与实现细节
熟悉计算机体系结构，具备高性能 Kernel 开发（CUDA / Triton）、分布式策略开发等方面的实践经验
良好的沟通能力与团队协作意识，具备快速学习和深入钻研复杂技术问题的能力
工作职责
设计和实现高效的分布式训练架构，优化训练过程中的计算、通信与显存使用，提升 GPU 利用率与整体训练吞吐
探索并实现低bit量化技术和稀疏化，减少模型存储和计算资源消耗，同时保持训练精度
构建训练性能分析与调优工具链，持续定位和解决系统瓶颈
持续关注并跟进业界技术发展，积极尝试和探索新的训练优化方向，提出并验证创新性的解决方案
优先资格
具备文生视频 / 图生视频等方向的训练或推理优化实战经验
熟悉Diffusion等视频生成体系，并参与过性能优化或工程落地
对视频生成的系统瓶颈、成本模型和工程化落地有深入思考
AI 洞察
优缺点分析
优点
- 参与阿里核心大模型（通义Wan等）的底层研发，技术栈极具前沿性，能积累稀缺的AI Infra与分布式训练经验
- 平台资源雄厚，能接触到海量算力与顶尖技术团队，个人技术壁垒构建极快
- 大模型训练优化涉及底层硬件与复杂系统，技术难度极高，需要持续跟进业界最新论文与开源框架
- 适合对底层系统、高性能计算有浓厚兴趣，具备扎实C++/CUDA功底，且希望在AI大模型基础设施领域深耕的硬核技术人才
缺点 / 挑战
- 业务对训练效率和成本要求严苛，可能面临较大的性能指标压力与系统稳定性挑战
角色解读
- 纵向可成长为AI Infra领域的资深技术专家或架构师，主导下一代大模型训练框架的设计
- 横向可向大模型算法与业务落地结合的方向发展，成为懂算法又懂底层系统的全栈AI专家
- 负责视觉生成大模型（如通义Wan）的分布式训练架构设计与底层性能调优
- 通过低bit量化、稀疏化及CUDA/Triton高性能Kernel开发，提升GPU利用率与训练吞吐
- 构建性能分析工具链，解决训练过程中的计算、通信与显存瓶颈
- 精通Python/C++，熟悉PyTorch/Megatron/DeepSpeed等主流训练框架的底层实现
- 具备扎实的计算机体系结构基础，拥有CUDA/Triton高性能Kernel开发及分布式策略开发经验
- 熟悉深度学习理论及Diffusion等视频生成体系
申请策略
- 建议在简历或面试中展现对“算力成本”和“工程化落地”的思考，体现不仅懂技术，更懂如何为业务降本增效的全局观
- 重点突出在分布式训练、显存优化、通信加速等方面的具体项目经验与量化成果（如提升吞吐百分比）
- 详细列出CUDA/Triton Kernel开发经验及在PyTorch/Megatron等框架上的深度定制或源码贡献
- 深入研读Megatron-LM、DeepSpeed等框架的源码，掌握3D并行（数据、张量、流水线并行）的底层实现逻辑
- 补充Diffusion模型或视频生成模型的系统瓶颈与成本模型知识
面试指南
- 采用“背景-瓶颈分析-解决方案-量化收益”的STAR框架
- 先说明业务场景和面临的性能/显存瓶颈，接着从计算、通信、显存三个维度分析原因，然后给出具体的底层优化手段（如算子融合、通信重叠、量化等），最后用具体数据总结收益
- 在分布式训练中，如何解决大规模集群下的通信瓶颈问题？
- 请分享一个你使用CUDA/Triton进行Kernel优化或显存优化的具体案例，最终提升了多少性能？
- 针对Diffusion模型或视频生成模型，在训练时有哪些特有的系统瓶颈，你是如何优化的？
- Megatron和DeepSpeed在张量并行和流水线并行上的实现有什么异同？
- 复习计算机体系结构、CUDA编程模型及主流分布式训练框架的底层原理
- 准备1-2个自己主导的、有显著性能提升的硬核优化项目，并能深入探讨其中的技术细节和踩坑经验
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
阿里核心大模型AI Infra岗位，技术门槛高，薪资在市场中处于高位，且作为已上市企业，薪酬福利体系完善，稳定性较好。
薪资信号偏高 (3.5千–6.5万/月)
成长发展
95较高
处于AI大模型最前沿领域，接触通义Wan等核心模型，技术成长空间极大，能积累极具竞争力的AI Infra底层优化经验。
技术前沿前沿/新兴技术
技术栈Python、C++、PyTorch、Megatron、DeepSpeed、JAX、CUDA、Triton、Diffusion
成长机会持续关注并跟进业界技术发展、积极尝试和探索新的训练优化方向
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，但大模型底层研发通常面临较高的性能指标压力，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
85较高
参与视觉生成大模型的研发，属于AI领域极具前景和变革性的方向，具有较高的技术使命感与行业影响力。
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