阿里云智能-服务器超节点内存池化软硬件结合研发专家-北京/深圳/上海

优缺点分析

角色解读

• 可向AI基础设施架构师、底层系统技术专家方向发展，成为内存池化与高速互连领域的顶尖人才
• 在算力网络与异构计算爆发的背景下，积累的技术壁垒可平移至各类高性能计算与云计算核心底座研发
• 负责AI超节点内存系统的架构设计与研发，构建面向GPU/NPU及HBM的统一分层内存体系
• 开发内存池化管理软件及高速内存接口驱动，实现资源的弹性扩缩容与故障自愈
• 针对AI大模型推理及数据中心典型负载进行内存性能调优，参与下一代AI基础设施内存架构的定义与落地
• 精通C/C++与Python，具备扎实的Linux内核、操作系统及底层系统开发能力
• 深入理解虚拟内存、NUMA、DMA等机制，拥有丰富的性能分析与系统调优经验
• 掌握AI基础知识及大模型推理流程（如KV Cache调度），了解CXL等新型高速互连技术

申请策略

• 了解阿里云在AI算力基础设施方面的最新布局（如磐久服务器、CIPU等），在面试中展现对软硬件协同设计的系统性思考
• 突出在Linux内核、内存管理子系统或PCIe/CXL驱动方面的实际项目经验与源码级贡献
• 展示在AI大模型推理优化、KV Cache调度或数据中心负载性能调优方面的具体成果与数据指标
• 深入学习CXL协议、NUMA架构及大模型推理引擎（如vLLM）的内存管理机制
• 熟悉主流AI Coding工具及AI驱动的研发流程，提升日常研发效能

面试指南

• 采用STAR法则，重点突出“问题定位过程（如使用perf、eBPF等工具）”、“底层机制分析（如页表、NUMA、DMA）”以及“最终带来的性能收益（如带宽提升、延迟降低）”
• 对于架构设计类问题，先阐述业务痛点与约束条件，再分层讲解设计方案（硬件接口、驱动层、系统软件层），最后说明扩展性与容错机制
• 请详细描述你在Linux内存管理子系统或驱动开发中解决过的最复杂的性能瓶颈问题
• 针对大模型推理场景中的KV Cache，你是如何进行内存优化与调度的？
• 在内存池化架构中，如何实现资源的弹性扩缩容与故障自愈？
• CXL内存相比传统内存有哪些特性？在数据面应用优化中你会采取哪些策略？
• 复习Linux内核内存管理核心源码及机制，准备1-2个自己主导的底层性能调优深度案例
• 了解当前大模型推理框架（如vLLM、TensorRT-LLM）的内存管理痛点及业界最新解决方案