Alibaba logo
阿里巴巴
阿里云智能-多模数据湖计算引擎与数据算法专家-杭州/北京

阿里云智能-多模数据湖计算引擎与数据算法专家-杭州/北京

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 4.0–8.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公数据工程
数据工程
Cpu/Gpu异构计算
Cuda
分布式系统
多模态数据处理
数据湖架构

值不值得投

77综合评分

综合评分 77

阿里核心AI基建岗,技术前沿、薪资丰厚、发展极好,但工作强度大、WLB较弱

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

6.0万

比数据工程中位数高

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 5010 个在招 · 其中数据工程 82 个

市场机会

选择面较广

杭州 · 数据工程 · 约 120 个在招

职位详情

关于这个职位

负责阿里云ApsaraLakebase多模态数据湖计算引擎的研发,处理PB级图像、视频等数据

需研发多模态数据处理算法(如去重、特征提取),优化分布式调度与异构资源利用,并深度参与开源社区,实现AI算子在查询引擎中的高效运行

最低要求

计算机、人工智能等相关专业本科及以上学历,3 年以上相关经验

精通 Python / C++ 等语言
在以下方向中至少一个有深入积累,并对另一方向有了解:
算法方向:在图像识别、视频处理、特征提取、自动标注等多模态数据处理算法方向有深入实践,能独立完成算法设计、实现与效果评估
引擎方向:熟悉 Ray、Daft、Spark、Flink 中至少一种,有分布式数据处理、向量化执行、算子融合或模型推理工程化经验
熟悉 CPU/GPU 异构计算,有大规模数据处理系统的核心模块研发或数据产线规模化落地经验
具备良好的需求理解与协作能力,重视工程质量与交付效果

工作职责

研发面向数据湖的多模态数据处理算法与算子,包括图像/视频去重、视频切分、特征与 embedding 提取、图文匹配、基于 VLM 的自动标注与 caption 生成、数据质量评分与过滤、数据增强等,覆盖图像、视频、点云、轨迹等模态

建设多模态数据湖计算引擎,支持 SQL 与 Python DataFrame 混合编程,将模型推理等 AI 算子纳入查询优化与执行计划,实现跨模态关联分析与流水线编排
面向大规模数据处理与批量模型推理,优化分布式调度、批处理策略及 CPU/GPU 异构资源利用,解决计算、显存与内存瓶颈
与存储团队协同优化数据读取路径,包括谓词与投影下推、数据分片与局部性、GPU 数据加载及结果写回,降低 I/O 与数据传输开销
建立数据质量、算法效果与处理成本的评估体系,以数据驱动持续迭代

优先资格

熟悉数据湖技术栈,包括对象存储、Iceberg、Parquet、Lance 等格式、元数据管理与 ACID 事务

有 Ray、Daft、Lance、Data-Juicer 等开源社区贡献,或在多模态、计算机视觉、具身智能、分布式计算、数据库等领域发表过高水平论文
有具身智能、自动驾驶数据产线的完整构建经验,熟悉 LeRobot、MCAP/ROS bag 等数据格式
有 CUDA/Triton 开发经验,或熟悉 vLLM、TensorRT、SGLang 等推理框架

AI 洞察

优缺点分析

优点

  • 接触PB级真实生产数据,技术栈前沿(多模态+分布式),深度参与顶级开源社区,平台影响力大
  • 技术难度极高,需兼顾算法创新与底层系统优化,对并发处理和异构计算能力要求严苛
  • 具备深厚计算机科学基础,热衷于解决大规模分布式系统难题,且有AI算法落地经验的资深工程师

缺点 / 挑战

暂无明显挑战项

角色解读

  • 可向首席数据科学家、分布式系统架构师或技术专家方向发展,深耕AI基础设施领域
  • 负责阿里云多模态数据湖计算引擎的核心研发,包括算法算子开发与引擎性能优化
  • 精通Python/C++,深入理解分布式计算框架(Ray/Spark/Flink),具备多模态数据处理算法实战经验

申请策略

  • 重点关注候选人在‘算法’与‘引擎’两个方向的交叉能力,准备详细的项目难点攻克案例
  • 突出分布式系统核心模块研发经验,展示多模态算法在大规模场景下的落地成果,列举开源社区贡献或高水平论文
  • 强化Ray/Daft等现代分布式框架原理,深入理解GPU加速计算与CUDA编程,提升SQL执行计划优化知识

面试指南

  • 采用STAR法则,重点阐述问题背景、技术选型依据、具体优化手段(如算子融合、下推优化)及最终的性能提升指标
  • 如何在分布式引擎中高效集成VLM模型推理?
  • 请描述一次你优化大规模数据I/O性能的实战经历
  • Ray和Spark在处理非结构化数据时的优劣对比?
  • 如何实现CPU/GPU异构资源的动态调度?
  • 复习分布式系统经典理论(如MapReduce变种),深入研究Ray/Daft源码架构,准备多模态数据处理的具体项目案例

职位点评

薪资福利85
成长发展95
工作生活40
使命价值80

薪资福利

85较高

作为上市巨头企业的核心部门专家岗,薪资包极具竞争力,包含高额股票期权,福利体系完善。

薪资信号偏高 (4.0千–8.0万/月)

成长发展

95较高

处于AI与大数据交叉前沿,接触PB级数据和顶尖开源项目,技术成长空间巨大,职业天花板高。

技术前沿前沿/新兴技术
技术栈Ray、Daft、Lance、VLM、CUDA、Triton、vLLM、TensorRT
成长机会深度参与 Ray、Daft、Lance 等开源社区、发表过高水平论文
业务类型profit_center

工作生活

40较低

互联网大厂核心研发岗,工作强度通常较大,虽可能有弹性工作制,但整体WLB一般,加班文化较普遍。

工作模式未明确
办公地点市区核心地段
加班情况JD含高强度暗示词

使命价值

80较高

服务于具身智能、智能驾驶等前沿领域,推动多模态数据技术发展,具有显著的行业价值和社会意义。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号服务具身智能、智能驾驶等领域的头部客户
创新程度开拓性创新(行业首创)
Watch Jobs