阿里巴巴
阿里云智能-异构计算软硬件结合开发专家-杭州/北京
阿里云智能-异构计算软硬件结合开发专家-杭州/北京
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公高性能计算
高性能计算
Ai Infra
Cuda
Gpu
Pytorch
Ras
大模型推理
异构计算
性能优化
值不值得投
79综合评分
综合评分 79
核心AI Infra研发岗，技术前沿且成长空间大，薪资优厚但工作强度较高。
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 3130 个在招 · 其中高性能计算 17 个
市场机会
选择适中
杭州 · 高性能计算 · 14 个在招
职位详情
关于这个职位
该职位负责阿里云整机柜超节点服务器的异构计算软硬件结合开发，涵盖GPU架构研究、AI Infra规划及故障诊断方案设计
你需要构建全链路量化分析模型，推动异构服务器产品的规模化落地，是AI底层算力基础设施的核心研发角色
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，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AI专业工具，集成AI到个人工作流
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
优先资格
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
具备Cutlass、Triton等开发调优经验者优先
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
AI 洞察
优缺点分析
优点
- 处于AI算力基础设施的最前沿，能接触到顶级的GPU集群和超节点架构，技术视野开阔
- 依托丰富的业务场景，技术成果能直接支撑大模型训练与推理，业务价值与成就感极高
- 异构计算软硬件结合技术门槛极高，需要同时具备硬件底层和软件框架的深厚功底，学习曲线陡峭
- 大模型迭代迅速，需要持续跟进最新的GPU架构和AI框架技术，对技术敏锐度和抗压能力要求高
- 适合对底层算力、GPU架构和AI Infra有浓厚兴趣，具备扎实软硬件协同开发经验且渴望技术突破的高级技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI Infra首席架构师或异构计算技术专家方向发展，成为底层算力领域的顶尖技术人才
- 也可转型为底层算力系统的技术管理者，带领团队攻坚下一代AI基础设施规划
- 负责阿里云整机柜超节点服务器的异构计算软硬件结合开发，涵盖GPU架构研究、AI Infra规划及故障诊断
- 构建全链路量化分析模型，推动异构服务器产品的规模化落地，是AI底层算力基础设施的核心研发角色
- 精通C++/Python及CUDA编程，熟悉主流GPU架构及大模型训练/推理框架
- 具备软硬件协同性能profiling及RAS问题分析能力，能解决GPU满载运行时的复杂技术难题
申请策略
- 了解阿里云在AI算力基础设施方面的最新布局和产品（如昆仑组件），在面试中展现对下一代AI Infra的独立思考
- 突出在GPU架构、CUDA编程、大模型训练/推理框架优化方面的实际项目经验与性能提升数据
- 展示在软硬件协同性能调优、RAS问题解决及全链路量化分析方面的深度技术成果
- 深入学习Cutlass、Triton等GPU开发调优工具，熟悉Megatron、DeepSpeed等大模型训练框架的底层实现机制
- 补充AI芯片微架构分析知识，了解主流GPU（如NVIDIA、AMD）的最新架构设计特性
面试指南
- 采用STAR法则，重点突出问题排查的系统性思路、软硬件协同的视角以及最终带来的性能提升或稳定性收益，用具体数据量化成果
- 请分享一个你解决过的最复杂的GPU满载运行时的RAS或性能profiling问题
- 在异构计算场景下，如何构建全链路量化分析模型来评估系统性能？
- 对比Megatron和DeepSpeed，它们在大模型训练中的核心优化点有何不同？
- 如果让你参与下一代AI Infra的规划，你会重点关注哪些GPU架构设计技术？
- 复习CUDA编程、GPU微架构原理以及主流大模型框架的底层优化机制
- 准备1-2个具有技术深度的疑难问题攻坚案例，体现攻坚克难的技术热情
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
作为核心算力基础设施的高级技术专家岗，薪资水平处于市场前列，整体薪酬福利具有较强竞争力。
薪资信号未披露（AI估算：4.5千–7.5万/月）
成长发展
90较高
岗位处于AI Infra和异构计算的最前沿，能接触到顶级的GPU集群架构，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈GPU、CUDA、C++、Python、PyTorch、Megatron、DeepSpeed、vLLM、Cutlass、Triton
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，但作为核心底层研发且要求坚韧抗压，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JD含高强度暗示词
使命价值
85较高
致力于下一代AI Infra规划与异构计算技术突破，推动大模型算力基础设施的规模化落地，具有较高的行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs