阿里巴巴
阿里云智能-灵骏AI Infra算力集群管理平台研发专家-北京/杭州
阿里云智能-灵骏AI Infra算力集群管理平台研发专家-北京/杭州
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公云计算
云计算
Ai Infra
Golang/Java/C++
云原生
分布式系统
微服务
故障排查
系统架构
资源调度
值不值得投
78综合评分
综合评分 78
前沿AI Infra技术栈、大厂核心平台背书、发展性极强，但需承担SLA值班与高稳定性要求。
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
4.5万
与云计算中位数基本持平
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 3910 个在招 · 其中云计算 23 个
市场机会
选择适中
杭州 · 云计算 · 31 个在招
职位详情
关于这个职位
负责阿里云灵骏智算集群管控系统的核心能力建设，涵盖异构算力统一管理、资源调度与库存管理体系
通过提升自动化与智能化水平，优化节点调度、性能分析及故障自愈能力，持续提高集群资源利用率并降低计算成本
同时需跟进AI智算与云原生前沿技术，保障高可用SLA响应与客户体验
最低要求
拥有5年以上大规模分布式系统设计及研发经验，独立负责过包含多模块的业务子系统，包括接口定义、架构设计及关键分布式问题的技术方案细化等工作
编程基本功扎实，熟悉数据结构和算法，熟练掌握Golang/Java/Python/C++中至少一种开发语言
工作职责
建设灵骏智算集群管控系统核心能力，不断提升客户在云上使用灵骏智算集群产品的自动化、智能化程度
建设满足业务场景和数据合规要求的智算集群库存管理体系，结合节点调度、性能分析、故障自动化处理、租户运维功能等核心体系能力，持续提升灵骏智算集群产品竞争力
建设异构算力统一管理及资源调度系统，持续智算集群资源利用率、降低计算成本
持续跟踪AI智算、云原生及智能运维领域新技术，结合业务场景进行创新
该职位涉及值班响应的职责，在服务级别协议（SLA）时间内做出对客响应，推动客户问题的解决，改善客户体验
优先资格
系统工程能力扎实过硬，线上稳定性意识强，对于复杂的线上系统具备较强的技术敏感度和故障排查经验
有过线上系统监控体系、变更体系/流程设计和研发经验者优先
业务感觉良好，有具有出色的抽象设计能力，思路清晰，善于思考，能独立分析和解决问题，能够主导并驱动完整的技术产品项目者优先
具备较复杂项目的良好管理能力，有项目负责人或者研发团队接口人经验者优先
团队协作能力良好，有实线或者虚线带人完成技术项目者优先
熟悉AI框架、云原生、微服务原理和设计模式者优先
AI 洞察
优缺点分析
优点
- 接触业界领先的AI算力集群架构，技术栈前沿且业务规模巨大
- 依托阿里云头部平台，能获得顶级的工程实践与海量真实场景锤炼
- 内部晋升通道清晰，技术氛围浓厚
- 跨团队协调与客户沟通要求高，需兼顾技术深度与业务交付
- 适合追求技术深度、抗压能力强、希望在大厂核心基础设施团队深耕的资深后端/架构工程师
缺点 / 挑战
- 系统复杂度极高，需应对千卡/万卡级集群的调度与稳定性挑战
- SLA值班机制意味着需承担一定的线上应急压力
角色解读
- 可向首席架构师或技术专家方向发展，深耕AI Infra底层技术
- 也可转向技术管理路线，带领大型算力平台研发团队
- 长期可拓展至AI基础设施规划或云服务商业化技术负责人角色
- 负责阿里云灵骏智算集群管控系统的核心架构设计与代码开发，构建异构算力管理与资源调度引擎
- 搭建自动化运维与故障自愈体系，保障大规模算力集群的高可用性与资源利用率
- 定期参与值班响应，直接对接客户解决复杂线上问题
- 精通至少一门主流后端语言（Go/Java/C++），具备扎实的分布式系统与数据结构基础
- 深入理解云原生、微服务架构及容器调度原理
- 具备极强的线上故障排查能力与系统稳定性设计经验
申请策略
- 提前研究阿里云灵骏智算产品文档，了解其技术定位
- 准备1-2个高并发/高可用系统设计的STAR案例，展现抽象建模与跨团队推动能力
- 突出5年以上大规模分布式系统实战经验，详细列出主导过的核心模块架构设计与性能优化成果
- 强调线上故障排查记录、监控体系建设及SLA保障案例
- 强化Kubernetes调度原理、GPU/NPU异构算力管理知识
- 补充云原生生态（如Service Mesh、eBPF）及AIOps相关技能
面试指南
- 采用STAR法则结构化回答，重点突出背景复杂性、你的决策依据、量化结果（如QPS提升、故障率下降）
- 针对故障排查，展示从日志/监控指标到根因分析的闭环逻辑
- 调度类问题侧重权衡取舍与扩展性设计
- 请分享一个你主导的大规模分布式系统架构设计案例，如何保证高可用？
- 面对线上突发OOM或网络抖动，你的排查思路与定位步骤是什么？
- 如何设计一个支持异构算力（CPU/GPU/NPU）的统一资源调度系统？
- 在SLA高压下，如何平衡新功能迭代与系统稳定性维护？
- 复习操作系统内核、网络协议栈及主流语言GC机制
职位点评
薪资福利82
成长发展90
工作生活55
使命价值75
薪资福利
82较高
薪资福利对标一线互联网大厂标准，整体薪酬包具备较强市场竞争力，能满足较高的物质回报预期。
薪资信号未披露（AI估算：3.2千–5.8万/月）
成长发展
90较高
深度参与AI Infra核心平台建设，技术栈覆盖云原生、异构调度与AIOps，成长空间广阔且能积累稀缺的底层架构经验。
技术前沿前沿/新兴技术
技术栈Golang、Java、C++、Kubernetes、云原生、AI Infra、微服务
业务类型profit_center
工作生活
55较低
岗位明确提及值班响应与SLA保障，线上稳定性要求高，工作节奏可能偏快，WLB相对受限。
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
75中等
聚焦AI算力基础设施国产化与智能化升级，契合国家新基建战略，技术落地能直接赋能大模型产业，具备明确的行业价值。
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