阿里巴巴
阿里云智能-异构计算软硬件结合开发专家-北京/杭州
阿里云智能-异构计算软硬件结合开发专家-北京/杭州
发布于 4 小时前普通员工/个人贡献者
全职员工混合式弹性办公高性能计算
高性能计算
Ai基础设施
Cuda编程
Gpu架构
Megatron
Pytorch
大模型优化
异构计算
Ras稳定性
性能剖析(Profiling)
值不值得投
77综合评分
综合评分 77
AI Infra核心研发岗、技术栈前沿、薪酬竞争力强、侧重个人技术成长，工作节奏偏快
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
6.5万
比高性能计算中位数高
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 3860 个在招 · 其中高性能计算 24 个
市场机会
选择适中
北京 · 高性能计算 · 49 个在招
职位详情
关于这个职位
负责整机柜超节点服务器的计算、互联与性能诊断核心能力开发
设计并开发昆仑组件以适配异构服务器业务场景
构建故障案例库与诊断方案
跟踪主流GPU架构，参与下一代AI基础设施规划
建立全链路量化分析模型，推动异构服务器产品的规模化落地
最低要求
具备5年以上异构计算软硬件结合开发经验，熟悉GPU/AI ASIC部件的硬件设计、芯片架构以及对应的服务器系统设计
熟悉至少一种主流GPU架构（NVIDIA GPU、AMD GPU等）者优先
具有 GPGPU 微架构分析的实践经验，具有 AI 芯片设计及相关软硬件技术研究成果者优先
熟悉 GPU 满载运行过程中常见的 RAS（可靠性、可用性、可维护性）质量稳定性问题，以及软硬件协同性能profiling等相关技术问题，并具备实际解决问题的能力
熟悉python、C++及Linux开发环境 ，熟练掌握CUDA编程技术
具备Cutlass、Triton等开发调优经验者优先
掌握常用profiling工具的使用和分析能力
熟练掌握基础AI框架（如PyTorch、TensorFlow），大模型训练框架（如Megatron、DeepSpeed）和大模型推理框架（如SGLang、vLLM）
深入理解常见大模型结构及算法原理，掌握训练推理的主流工程优化技术
掌握AI基础知识，掌握基础提示词工程，会使用Al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
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
针对整机柜超节点服务器，全面赋能计算、互联、监控、故障及性能诊断等核心能力
梳理适配超节点异构服务器产品的业务场景，开展对应的昆仑组件设计与开发，涵盖性能评测分析、容器镜像等关键模块
基于整机柜硬件架构及典型业务落地场景，构建典型故障与异常案例库，并设计相应的故障诊断方案
负责跟踪与研究主流GPU架构设计技术，参与下一代AI Infra的规划与设计
结合业务画像，构建面向异构硬件与系统的全链路量化分析模型，形成数据驱动的决策数据库，有效推动异构服务器产品的规划与规模化落地
AI 洞察
优缺点分析
优点
- 聚焦前沿AI Infra与异构计算赛道，技术壁垒高且行业需求旺盛
- 依托头部云厂商平台，接触海量真实业务场景与顶级硬件资源
- 技术栈覆盖极广，从芯片架构到框架调优，个人能力成长空间巨大
- 技术门槛极高，需同时精通软硬件底层机制，学习曲线陡峭
- 面对大模型快速迭代，需保持高强度持续学习与攻坚
- 适合具备深厚计算机体系结构功底、热衷于底层系统开发与AI算力优化的资深工程师
缺点 / 挑战
- 项目周期长且对稳定性要求严苛，压力较大
角色解读
- 可向AI基础设施架构师或首席科学家方向发展
- 深耕异构计算与大模型底层优化领域，成为行业顶尖技术专家
- 有机会主导下一代算力平台的核心技术攻关与标准制定
- 负责超节点服务器与异构硬件的计算、互联及性能诊断核心能力开发
- 设计开发昆仑组件以适配AI业务场景
- 构建故障案例库与诊断方案，保障系统稳定性
- 跟踪GPU架构演进，参与下一代AI基础设施规划
- 建立全链路量化分析模型，驱动产品规模化落地
- 精通异构计算软硬件协同开发，熟悉GPU/AI ASIC架构与服务器系统设计
- 熟练掌握CUDA、Python/C++及Linux环境，具备Cutlass/Triton调优经验
- 深入理解大模型训练/推理框架（PyTorch/Megatron/vLLM）及底层优化技术
- 具备GPGPU微架构分析、RAS问题排查及性能Profiling实战能力
申请策略
- 提前研究阿里云昆仑芯片及AI Infra技术博客，准备针对具体硬件瓶颈的优化思路
- 面试时重点展示底层调试与性能剖析的实操经验
- 突出异构计算项目经验，详细列出CUDA优化、框架二次开发或性能调优的具体指标与成果
- 强调GPU微架构分析、RAS问题排查及大模型训练/推理优化的实战案例
- 深化对NVIDIA/AMD最新GPU架构的理解，掌握Cutlass/Triton等算子库的高级用法
- 加强大模型分布式训练框架（Megatron/DeepSpeed）源码阅读与调优能力
面试指南
- 采用STAR法则，清晰描述背景、任务、行动与结果
- 针对技术问题，先讲清底层原理，再结合具体工具链说明排查步骤，最后总结优化收益与可复用经验
- 请分享一次你通过CUDA或Triton优化算子性能的具体经历，遇到了什么瓶颈？
- 如何排查GPU满载时的RAS问题（如ECC错误、掉卡）？
- 在大模型训练场景中，如何设计全链路性能Profiling方案？
- Megatron或DeepSpeed的通信优化策略有哪些？
- 复习计算机组成原理与GPU并行计算理论
- 动手复现经典算子优化案例，熟悉Nsight Systems/Compute等Profiling工具
职位点评
薪资福利78
成长发展92
工作生活55
使命价值78
薪资福利
78中等
JD未披露具体薪资，但作为稀缺技术专家岗，市场定薪通常具备较强竞争力，配套完善福利体系。
薪资信号未披露（AI估算：4.5千–8.5万/月）
成长发展
92较高
岗位直接对接下一代AI基础设施规划与异构计算前沿技术，技术栈极度前沿，内部拥有顶尖硬件资源与业务场景，个人技术成长空间广阔。
技术前沿前沿/新兴技术
技术栈异构计算、GPU架构、CUDA、PyTorch、Megatron、DeepSpeed、vLLM、Cutlass、Triton
业务类型profit_center
工作生活
55较低
JD提及‘坚韧抗压’‘结果导向’，暗示项目交付压力较大；虽可能享有弹性办公政策，但整体工作节奏偏快，WLB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
78中等
致力于构建下一代AI基础设施，推动异构算力规模化落地，对提升算力底座与AI产业发展具有显著正向价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs