Alibaba logo
阿里巴巴
阿里云智能-AI智算实例&系统研发专家-通信方向-杭州/上海

阿里云智能-AI智算实例&系统研发专家-通信方向-杭州/上海

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 5.0–8.5万 · AI 参考估算
高级经验
学历未注明
全职员工仅现场办公高性能计算
高性能计算
Deepep
Gpu架构
Nccl
Rdma
服务器架构

值不值得投

74综合评分

综合评分 74

AI智算前沿技术岗,成长性强,地点明确但办公灵活性与WLB信息不足

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

6.8万

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 5250 个在招 · 其中高性能计算 31 个

市场机会

选择适中

杭州 · 高性能计算 · 25 个在招

职位详情

关于这个职位

该岗位聚焦阿里云公共云异构计算产品与AI智算系统研发,重点面向GPU架构、服务器系统、RDMA网络及分布式训练推理通信优化

你将参与从研发交付到线上稳定性治理的全流程,为大模型训练与推理场景提供高性能、高可靠的基础设施能力

最低要求

计算机科学、电子工程、通信工程、电气工程等相关专业背景

熟悉Python、Shell、C/C++等开发语言,拥有5年及以上相关工作经验
对RDMA网络、NCCL/DeepEP通信库有开发或调优经验者优先
有强烈的技术热情和好奇心,自驱力和学习能力强
具备良好的分析与解决问题能力、沟通及团队合作能力
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
掌握AI基础知识与提示词工程,能熟练使用AI专业工具并将AI集成到个人工作流中
有AI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

工作职责

负责公共云异构计算产品的研发与交付,深度参与研发流程,确保产品从研发到运维的全生命周期高效管理

跟踪新的异构计算产品技术和趋势,探索前沿GPU架构设计与技术,将业务需求转化为技术架构规划并推动落地
与网络团队协同设计网络互联架构,针对分布式训练和推理业务场景提供专业支持,包括问题定位、性能分析、性能优化等
研发并持续改进系统的稳定性和安全性,制定稳定性保障策略,发现并解决产品系统中的潜在风险与瓶颈,覆盖线上疑难杂症问题,确保平台安全可靠运行,不断提升对外服务质量标准

优先资格

熟悉GPU芯片架构及服务器架构,有复杂硬件系统、Linux系统、分布式训练和推理等稳定性及性能问题定位经验者优先

对RDMA网络、NCCL/DeepEP通信库有开发或调优经验者优先
熟悉大模型训练和推理框架,有分布式训练推理集合通信性能优化经验、KV Cache通信优化经验、计算通信Overlapping经验者优先
有AI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

  • 岗位处于AI智算和公共云基础设施核心方向,能够积累GPU、RDMA、分布式训练推理等高价值技术经验
  • 与网络团队及云产品团队协同,有机会参与大规模真实业务场景,提升复杂系统问题解决能力
  • JD明确关注前沿GPU架构、大模型训练推理框架和AI工具应用,技术成长空间较强
  • 需要同时理解硬件架构、Linux系统、网络通信和大模型训练推理,技术栈跨度大,学习门槛高
  • 适合有五年以上系统研发、云计算、AI基础设施、高性能计算或网络通信经验,并希望在GPU集群与大模型训练推理基础设施方向深入发展的技术人才

缺点 / 挑战

  • 工作内容覆盖研发、架构规划、性能优化和线上稳定性治理,技术纵深和场景复杂度较高
  • 线上疑难问题、性能瓶颈和稳定性风险治理对排障能力、抗压能力和结果导向要求高
  • 跨团队协同设计网络互联架构,需要较强的沟通推动能力,单纯技术能力不足以覆盖全部要求

角色解读

  • 可向AI基础设施专家方向发展,深耕GPU集群、高速网络、分布式训练推理和性能优化等核心技术
  • 可向架构师或技术负责人方向发展,负责更大规模的智算平台架构规划、技术路线设计和跨团队协同
  • 也可向云产品技术管理方向演进,结合研发交付、稳定性治理和业务需求推动产品能力升级
  • 负责公共云异构计算产品的研发交付,参与从研发、上线到运维的全生命周期管理,保障产品稳定落地
  • 跟踪GPU架构、异构计算和AI智算趋势,把业务需求转化为技术架构规划,并推动方案实施
  • 与网络团队协作设计网络互联架构,围绕分布式训练和推理场景做问题定位、性能分析和性能优化
  • 持续改进系统稳定性与安全性,处理线上疑难问题,识别潜在风险瓶颈,提升平台服务质量
  • 需要具备计算机、电子、通信、电气等专业背景,并熟练掌握Python、Shell、C/C++等开发语言
  • 需要理解GPU芯片架构、服务器架构、Linux系统以及复杂硬件系统的稳定性与性能问题定位方法
  • 需要掌握RDMA网络、NCCL/DeepEP通信库、集合通信优化、KV Cache通信优化和计算通信Overlapping等能力
  • 需要熟悉大模型训练与推理框架,并具备较强的自驱学习、问题分析、沟通协作和抗压攻坚能力

申请策略

  • 面试前建议了解阿里云公共云异构计算产品、AI智算实例和云上大模型训练推理场景,形成对业务场景的基本判断
  • 申请时明确说明自己更偏系统研发、性能优化、网络通信还是稳定性治理,并匹配JD中的核心需求
  • 重点突出与GPU服务器、异构计算、Linux系统、复杂硬件系统相关的研发或性能定位经历,说明具体问题和结果
  • 强化RDMA、NCCL、DeepEP、集合通信、KV Cache通信优化、计算通信Overlapping等项目经验,尽量用指标呈现优化效果
  • 展示分布式训练或推理框架相关实践,包括问题定位、性能分析、稳定性治理和线上疑难问题处理案例
  • 补充Python、Shell、C/C++工程能力,以及AI工具集成到工作流或AI开发工具研发方面的实践
  • 可系统补强GPU架构、服务器体系结构和高速网络互联知识,重点理解通信瓶颈与计算通信协同机制
  • 建议熟悉NCCL/DeepEP、RDMA、大模型训练推理框架及常见性能分析工具,并能准备可复盘的优化案例

面试指南

  • 性能类问题按“背景与指标—瓶颈定位—优化方案—验证结果—复盘沉淀”的结构回答,尽量给出量化结果
  • 架构类问题按“硬件层—系统层—网络层—框架层—业务层”分层拆解,说明自己关注的关键指标和权衡点
  • 协作类问题用具体案例说明问题影响、沟通对象、推进机制和最终交付结果,突出结果导向和复盘能力
  • 请介绍一个你处理过的分布式训练或推理性能瓶颈问题,你是如何定位和优化的?
  • 你如何理解GPU架构、服务器架构与RDMA网络之间的关系?在AI集群中常见瓶颈有哪些?
  • 是否有NCCL、DeepEP或集合通信调优经验?请说明具体优化手段和效果评估方式
  • 面对线上疑难稳定性问题,你通常如何建立排查路径并推动跨团队解决?
  • 你如何将AI工具或提示词工程集成到研发、排障或性能优化工作流中?

职位点评

薪资福利78
成长发展90
工作生活45
使命价值76

薪资福利

78中等

JD未披露薪资与福利信息,但岗位要求高级专家级能力和五年以上经验,通常对薪资竞争力有较强支撑。稳定性与福利相关内容未提及,无法进一步判断。

薪资信号未披露(AI估算:5.0千–8.5万/月)

成长发展

90较高

岗位明确涉及前沿GPU架构、分布式训练推理、RDMA网络和通信库调优,技术成长空间强。JD还提到跟踪新技术趋势、推动架构落地和AI工具应用,发展性动机满足度高。

技术前沿前沿/新兴技术
技术栈GPU、GPU芯片架构、服务器架构、Linux、分布式训练、分布式推理、RDMA、NCCL、DeepEP、KV Cache、计算通信Overlapping、大模型训练和推理框架、提示词工程
业务类型ambiguous

工作生活

45较低

JD仅明确杭州/上海地点,未提及远程、弹性办公、双休或工时安排,因此办公灵活性信息不足。岗位涉及线上疑难问题和稳定性保障,但原文未明确工作强度,不能据此推断加班情况。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

76中等

岗位服务于公共云异构计算和AI智算基础设施,支持大模型训练与推理,具有较强技术前沿性和产业价值。JD未直接描述社会使命或公共价值导向,意义感主要来自技术场景本身。

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
Watch Jobs