
阿里云智能-AI/Agent基础软件技术专家-北京/上海/杭州
发布于 2 小时前普通员工/个人贡献者
值不值得投
综合评分 75
AI与Agent底层系统专家岗,技术前沿且攻坚性强,WLB信息未披露
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
8.5万
比AI算法中位数高
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 5110 个在招 · 其中AI算法 96 个
市场机会
选择面较广
杭州 · AI算法 · 约 110 个在招
职位详情
关于这个职位
该职位聚焦阿里云面向AI与Agent场景的基础软件研发,核心工作是优化大模型推理、Agent运行时、异构计算与系统内核能力
最低要求
计算机科学、软件工程或相关专业,具备扎实的计算机系统基础理论知识,丰富的C/C++/Rust/Python开发经验
工作职责
负责面向AI与Agent的基础软件研发与优化,支撑阿里云客户及内部业务的相关需求
优先资格
有主流AI推理框架(vLLM/SGLang)开发经验,熟悉KVCache系统(如Mooncake/LMCache)及推理系统端到端性能优化,有相关项目研发或开源社区贡献经验优先
AI 洞察
优缺点分析
优点
- 岗位处于AI与Agent基础设施核心方向,技术栈前沿,能积累大模型推理、异构计算和运行时系统的稀缺经验
- 工作内容覆盖从前沿调研、原型验证到规模化落地,技术影响面广,适合希望做底层系统创新的工程师
- 与云智能业务结合紧密,能够接触真实客户和内部业务场景,技术成果更容易形成可验证的业务价值
- 职位强调技术规划和攻坚,对希望提升系统架构能力和技术牵引力的候选人有较好成长空间
- 技术跨度大,需要同时理解操作系统、GPU异构计算、AI框架、网络存储和Agent运行时,学习曲线较陡
- JD强调攻坚克难、坚韧抗压和结果导向,说明岗位可能面对复杂问题和高要求交付节奏
- 适合具备扎实系统软件功底、对AI基础设施有强烈兴趣,并希望在异构计算、推理框架或Agent运行时方向做深度技术攻坚的专家型工程师
缺点 / 挑战
- 多领域经验要求高,候选人需要在系统底层优化或AI推理基础设施中已有较深积累,竞争门槛较高
角色解读
- 可向AI基础设施专家、推理系统架构师、异构计算与操作系统内核专家等方向深入发展
- 有机会从关键技术攻坚者成长为技术负责人,牵引AI基础软件平台、Agent运行时或推理加速体系的方案演进
- 长期可拓展到云上AI平台架构、AI系统全栈优化、开源社区影响力建设以及跨团队技术治理等方向
- 面向大模型推理和Agent执行场景,研发底层基础软件,包括CPU/GPU异构计算、内核级优化、显存与内存管理、快照恢复和数据传输等能力
- 参与AI推理框架、KVCache、模型分发加载和Agent运行时的设计与优化,提升服务启动、弹性恢复、运行性能和稳定性
- 跟踪硬件架构、AI框架、高速互联、模型分发和Agent运行时等前沿进展,做技术调研、方案论证和系统原型探索
- 与业务团队协作推动技术规模化落地,并在技术方向规划、关键问题攻坚和团队技术成长方面发挥牵引作用
- 需要扎实的计算机系统基础,以及丰富的C/C++/Rust/Python工程开发能力,能够完成高性能、高可靠系统研发
- 需要深入理解CUDA、多线程并发、异构计算平台,以及GPU驱动、统一内存管理、GDR/RDMA、快照恢复等系统级技术
- 熟悉vLLM、SGLang、KVCache、Mooncake、LMCache或模型分发加载优化经验会形成明显优势
- 具备Agent运行时、工具调用链路、MCP协议、状态与记忆管理、可观测性和故障恢复经验,能支撑Agent基础设施稳定性与安全性
申请策略
- 投递前建议确认目标城市,北京、杭州、上海三地的团队方向和岗位匹配度可能不同
- 面试前可准备一个完整的系统优化案例,讲清楚问题背景、瓶颈定位、方案取舍、量化收益和落地过程
- 重点突出C/C++/Rust/Python大型系统项目经历,尤其是性能优化、并发处理、内存管理、内核态支持或稳定性治理成果
- 明确写出与CUDA、GPU驱动、RDMA/GDR、快照恢复、模型分发加载、KVCache或vLLM/SGLang相关的具体贡献和量化结果
- 如果有开源社区贡献、推理系统优化项目或Agent运行时基础设施建设经验,应单独列出项目链接、职责范围和性能收益
- 强调跨团队协作和技术牵引经历,例如主导方案设计、推动落地、解决疑难问题、带动团队技术成长
- 可补强大模型推理系统知识,重点理解vLLM/SGLang、KVCache管理、连续批处理、显存优化和端到端性能剖析方法
- 可加强CPU/GPU异构计算与系统底层能力,包括CUDA编程、统一内存、RDMA/GDR、快照恢复和内核态调度相关实践
面试指南
- 技术深挖类问题采用“背景约束—瓶颈定位—方案设计—实验验证—线上收益”的结构回答,并尽量给出量化结果
- 系统设计类问题先明确业务场景和性能指标,再分层拆解计算、存储、网络、调度、可观测性和容错方案,最后说明取舍
- 行为与协作类问题用STAR框架,突出你如何推动跨团队协作、处理技术分歧、持续攻坚并沉淀可复用能力
- 请介绍一个你主导的C/C++/Rust/Python高性能系统项目,你负责了哪些核心模块,最终取得了什么性能收益?
- 在CPU/GPU异构环境下,如何设计内存与显存管理、换入换出或快照恢复机制?
- 你如何定位大模型推理服务的性能瓶颈?会从计算、通信、显存、调度和KVCache哪些角度入手?
- 如果让你设计Agent运行时基础设施,如何保证工具调用链路的可观测性、稳定性和安全性?
- 面对模型权重分发和按需加载场景,如何优化存储IO、网络传输和缓存命中?
职位点评
薪资福利
JD未披露薪资与福利信息,但岗位为专家级AI基础软件方向,要求较高的系统底层与推理优化能力,通常对资深技术人才具备较强吸引力。稳定性与福利部分未提及,无法进一步判断。
成长发展
岗位明确涉及前沿技术调研、系统原型探索、跨层协同优化和技术规划攻坚,对技能深度和技术视野的成长非常有利。JD还提到带动团队技术成长,说明具备一定技术影响力空间,但未明确晋升通道或培训机制。
工作生活
JD仅明确北京、杭州、上海三地,未说明远程、混合办公、弹性工时或休假制度。由于办公模式与WLB相关信息未提及,生活化动机满足程度难以判断。
使命价值
岗位服务于AI与Agent基础软件建设,涉及大模型推理效率、Agent执行稳定性和安全性,技术方向具备较强行业前景。JD未直接描述社会使命或公共价值,意义感主要来自前沿技术落地和基础设施能力提升。
阿里巴巴 的其他在招职位