阿里巴巴
阿里云智能-AI平台管控高级研发专家-杭州/北京
阿里云智能-AI平台管控高级研发专家-杭州/北京
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公平台工程
平台工程
Ai Infra
Go
云原生
分布式系统
容器
微服务
架构设计
值不值得投
79综合评分
综合评分 79
核心AI Infra赛道、技术栈前沿、薪资偏高、成长空间大，但工作强度与稳定性压力较大。
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
6万
比平台工程中位数高
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 2940 个在招 · 其中平台工程 19 个
市场机会
选择适中
北京 · 平台工程 · 44 个在招
职位详情
关于这个职位
该职位负责阿里云AI平台管控系统的架构设计与核心开发，涵盖多模态模型训推、资源管理等场景
你需要推动工程体系建设，保持一线编码，并负责平台稳定性与可观测性建设，解决线上复杂问题
最低要求
计算机相关专业本科及以上学历，具有 5 年以上分布式系统、云平台或基础软件管控研发经验，具备复杂系统设计与开发能力
扎实的编程基础，精通 Go / Java / C++ 中至少一种语言，长期保持一线编码能力，能够负责核心模块设计、开发和 Code Review
熟悉 Kubernetes、微服务、容器等云原生技术，对资源调度、高可用、状态管理、可观测性等分布式系统核心问题有实际经验
具备良好的软件工程能力，对架构设计、设计模式、研发流程、代码质量、测试及稳定性治理有成熟实践
有复杂系统重构或架构演进经验者优先
具备较强的技术 Owner 意识和沟通协作能力，能够独立推动复杂项目落地
对于更资深候选人，希望具备技术方向规划和团队带领经验
工作职责
平台研发：负责 AI 平台管控系统的架构设计与核心开发，覆盖多模态模型训推、模型服务、Agent 等场景，包括任务编排、资源管理、服务生命周期、弹性伸缩、灰度发布等核心能力
工程体系与技术带领：推动研发流程、架构规范、设计模式、代码质量、测试和 Code Review 等工程体系建设
根据候选人经验，承担核心技术方向规划及团队技术带领工作，同时保持一线编码
稳定性与线上问题：负责平台稳定性和可观测体系建设，深入分析和解决线上复杂问题，推动故障自愈、风险治理及运维经验的平台化沉淀
跨团队协作：与模型算法、推理引擎、前端、产品及基础设施团队紧密合作，推动需求落地和端到端产品交付，持续优化平台架构和用户体验
优先资格
有大模型训推平台、MaaS、AI Infra、Agent Platform、大规模 GPU/NPU 集群，或数据库、存储、调度系统等基础软件研发经验
AI 洞察
优缺点分析
优点
- 依托头部云计算平台，能接触到超大规模分布式系统与最前沿的AI大模型底层基础设施
- 平台大、业务核心，跨团队协作能显著提升全局架构视野与复杂项目操盘能力
- AI技术迭代极快，需要持续学习大模型、Agent等新兴技术并快速转化为工程落地
- 适合具备扎实分布式系统基础、对AI底层基础设施有热情，且能在高压环境下保持技术敏锐度与一线编码能力的高阶技术人才
缺点 / 挑战
- 技术栈主流且前沿，个人技术深度与广度能得到极大拓展，解决极具挑战性的工程问题
- 系统复杂度极高，线上稳定性压力大，需要应对各种突发和疑难故障，可能涉及on-call
- 跨团队沟通与协调成本较高，需要平衡技术理想与业务交付进度
角色解读
- 可向AI Infra技术专家、首席架构师方向深耕，成为底层基础设施领域的技术权威
- 也可转型为技术团队管理者，负责更大规模的技术团队规划与业务交付
- 在AI大模型爆发的背景下，积累的AI平台架构经验具有极高的行业稀缺性与溢价空间
- 负责AI平台管控系统的架构设计与核心开发，涵盖多模态模型训推、资源管理、弹性伸缩等核心场景
- 推动工程体系建设，保持一线编码，并负责平台稳定性与可观测性建设，解决线上复杂问题
- 与算法、产品、基础设施等跨团队紧密协作，推动端到端产品交付与架构持续优化
- 精通Go/Java/C++至少一种语言，具备扎实的编程基础与复杂系统架构设计能力
- 熟悉Kubernetes、微服务等云原生技术，对资源调度、高可用、可观测性等分布式核心问题有实战经验
- 具备优秀的技术Owner意识、跨团队沟通协作能力以及复杂项目推动落地能力
申请策略
- 了解阿里云在AI大模型和MaaS领域的最新产品布局（如百炼平台），在面试中展现对业务场景的深刻理解
- 突出在分布式系统、云原生或AI Infra领域的核心架构设计与落地经验，用数据证明系统规模与性能提升
- 强调解决复杂线上问题、提升系统稳定性的具体案例，展现故障排查与平台化沉淀的能力
- 展现技术Owner意识及带领团队或规划技术方向的经验，体现技术领导力
- 深入理解大模型训推流程及底层GPU/NPU资源调度机制，补充AI Infra相关知识
- 复习并实践Kubernetes高级特性及云原生可观测性体系（如Prometheus, OpenTelemetry）
面试指南
- 采用STAR法则，重点突出“复杂场景-技术方案-落地结果-沉淀复用”的完整闭环
- 在架构问题上，强调权衡（Trade-off）和演进过程，展现系统性思维
- 在稳定性问题上，突出事前预防、事中响应、事后复盘的体系化建设
- 请详细描述你主导过的最复杂的分布式系统架构设计，以及遇到的最大技术挑战是什么？
- 在AI平台或云原生环境下，你是如何设计高可用和弹性伸缩方案的？
- 面对线上突发的复杂故障，你的排查思路和推动故障自愈的实践经验是什么？
- 如何平衡一线核心编码与团队技术方向规划、工程体系建设的时间分配？
- 梳理过往项目中的核心架构图，准备好应对底层原理（如K8s调度、Go并发模型、分布式一致性）的深度拷问
职位点评
薪资福利85
成长发展90
工作生活50
使命价值85
薪资福利
85较高
作为高阶技术专家岗，薪资水平处于市场前列，且依托头部平台，整体薪酬福利具有较强竞争力。
薪资信号偏高 (4.5千–7.5万/月)
成长发展
90较高
岗位处于AI大模型基础设施的核心赛道，技术栈前沿，能接触到超大规模复杂系统，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Go、Java、C++、Kubernetes、微服务、容器、分布式系统、AI Infra、大模型训推、Agent
成长机会技术方向规划、团队技术带领
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB，但作为高阶技术岗且负责稳定性与线上问题，通常工作节奏较快，需承担一定的on-call压力。
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
参与构建AI大模型底层基础设施，赋能千行百业的AI应用，具有极高的行业价值和技术使命感。
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）
Watch Jobs