阿里巴巴
AI软件测试开发工程师
AI软件测试开发工程师
发布于 4 天前普通员工/个人贡献者
全职员工仅现场办公测试开发
测试开发
Ai测试
CI/CD
Cuda
Gdb
Gpu
Pytorch
Vllm
大模型
性能分析
值不值得投
69综合评分
综合评分 69
技术深度极高的AI全栈测试开发岗，前沿技术积累机会突出，但生活化动机支持信息不明。
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
30K
比测试开发中位数高
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 2430 个在招 · 其中测试开发 22 个
市场机会
选择面较广
杭州 · 测试开发 · 55 个在招
职位详情
关于这个职位
负责阿里巴巴AI软件技术栈（涵盖GPU驱动、AI编译器、高性能算子库、深度学习框架及工具链）的全栈质量保障
工作内容包括设计统一质量标准、开发自动化测试框架与CI/CD流水线、进行系统级性能与精度验证，并沉淀可复用的测试资产与方法论，以保障大模型场景下AI软件栈的高质量迭代
最低要求
全栈技术测试：涵盖GPU驱动层、AI编译器、高性能算子库、深度学习框架，工具链等AI技术栈的质量保障工作
稳定性与兼容性验证：验证系统在大模型场景下的稳定性，确保各组件功能正确性和跨平台兼容性
测试用例设计与执行：设计覆盖各类边界条件和异常场景的测试用例，确保功能正确性和系统稳定性
性能分析与优化：使用专业工具进行性能瓶颈分析，输出数据驱动的优化建议和性能趋势报告
精度验证与对比：验证各种数据类型下的数值精度，对比不同版本间的功能和性能差异
自动化开发：使用Python（pytest）/ GoogleTest开发自动化测试脚本，集成CI流水线
问题定位与分析：通过日志分析工具（GDB/Valgrind/Profiling）进行问题复现，精准定位缺陷根因
工具开发：参与测试工具开发（自动化测试数据生成脚本库等），提升测试效率
工作职责
全栈质量体系建设
面向 GPU 驱动层（CUDA 兼容性）、AI 编译器（MLIR 图优化）、高性能算子库（Conv/GEMM/Attention）、深度学习框架（PyTorch / vLLM 定制后端）、大模型及配套工具链（GPU Operator、Container Toolkit、Device Plugin、Profiling/SMI、GDB Debugger 等），设计并落地统一的质量标准与验证策略
自动化与工程化能力建设
主导自动化测试框架与 CI/CD 回归体系开发，建立多维度质量门禁（Release Gate）
搭建可复现、可扩展的测试基线环境，支持多 OS、多驱动版本、多框架版本、单机与多机集群等复杂组合
场景化系统验证
针对大模型训练与推理典型负载，开展稳定性、性能（吞吐/延迟）、精度（数值一致性）三位一体的系统级验证
通过问题复现、根因定位与数据分析，推动软硬件协同缺陷闭环与持续优化
方法论与资产沉淀
提炼可复用的测试工具、用例库、诊断脚本与最佳实践，形成标准化测试方法论
赋能研发团队提升质量内建能力，加速 AI 软件栈高质量迭代
AI 洞察
优缺点分析
优点
- 深入接触AI领域最前沿的底层技术栈（GPU、编译器、大模型框架），技术积累深度和稀缺性高
- 岗位涉及质量体系建设与工程化，能锻炼从测试到开发的全链路思维和架构能力
- 在阿里巴巴这样的平台，项目规模大、场景复杂，对个人技术视野和解决问题能力有极大提升
- 技术栈复杂，对GPU、操作系统、编译器等底层知识要求高，学习曲线陡峭
- 大模型与AI技术迭代极快，需要持续保持高强度的学习，跟进最新技术动态
- 作为质量保障方，需要与多团队协作推动问题闭环，对沟通协调与推动能力有要求
- 适合具备扎实计算机系统基础（操作系统、编译原理），对AI底层技术有浓厚兴趣，追求技术深度，并乐于通过工程手段解决复杂质量问题的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：深耕AI基础软件测试领域，成为GPU/编译器/框架测试的权威，主导复杂系统的质量架构设计
- 测试架构师路线：从具体测试执行转向整体质量体系规划与平台化建设，驱动研发流程变革
- 技术管理路线：带领测试团队，负责AI软件栈整体质量战略，并与研发、产品团队紧密协作
- 负责AI全栈（从GPU驱动到大模型工具链）的质量标准制定与验证，确保底层技术栈的可靠性
- 开发和维护自动化测试框架及CI/CD流水线，提升测试效率与代码质量门禁能力
- 针对大模型训练/推理场景，进行系统级的性能、稳定性与精度验证
- 沉淀测试方法论与工具，赋能研发团队提升整体质量内建能力
- 深入理解GPU架构、CUDA编程、AI编译器（如MLIR）及高性能算子库的原理
- 精通深度学习框架（PyTorch）及大模型推理框架（如vLLM）的测试方法
- 熟练掌握Python/pytest、C++/GoogleTest等自动化测试框架与CI/CD工具
- 具备使用GDB、Valgrind、性能分析工具进行复杂系统问题定位的能力
申请策略
- 在简历或面试中，清晰阐述你对“AI全栈质量”的理解，展示你从单一测试到系统级思考的视角
- 研究阿里巴巴在AI基础软件方面的公开技术博客或论文，了解其技术栈与挑战，面试时可展现诚意与思考
- 准备一个你主导或深度参与的、具有挑战性的质量保障或测试开发项目，最好能体现技术深度
- 突出与GPU、AI框架、编译器或性能优化相关的项目经验，即使是理论分析或课程设计
- 强调自动化测试框架的设计与开发经历，以及CI/CD流水线的实践经验
- 列举使用GDB、Valgrind或性能分析工具定位复杂内存、性能问题的具体案例
- 展示在Python、C++等语言以及pytest、CMake等工具链上的熟练度
- 系统学习GPU编程基础（CUDA/OpenCL）和主流AI编译器（如TVM、MLIR）的架构与原理
面试指南
- 使用STAR法则（情境、任务、行动、结果）组织案例描述，重点突出你的分析思路、使用的工具和最终的量化结果
- 采用分层测试策略回答：单元测试（算子精度）、集成测试（框架API）、系统测试（端到端训练/推理）、性能基准测试
- 阐述从单机到集群的验证思路：先确保单机正确性，再设计集群通信与同步的测试用例，并结合监控工具分析瓶颈
- 结合持续集成（反馈速度）、覆盖度、可维护性、数据驱动能力等维度展开
- 体现你的影响力策略：准备清晰的数据和问题分析报告，联合其他受影响团队共同推动，并寻找高层支持
- 请描述一个你遇到的最复杂的软件缺陷，你是如何定位其根本原因的？
- 如何为一个全新的AI编译器或推理框架设计测试策略？
- 在多机多卡的大模型训练场景下，如何验证其稳定性和性能？
职位点评
薪资福利65
成长发展90
工作生活40
使命价值80
薪资福利
65中等
作为已上市巨头企业的核心岗位，预期薪资福利体系相对完善，但JD未明确具体薪资与福利项，竞争力需进一步确认。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
90较高
岗位直接面向AI底层技术栈（GPU、编译器、大模型框架），技术前沿性极高，能快速积累稀缺的领域专家级经验。
技术前沿前沿/新兴技术
技术栈GPU、CUDA、AI编译器、MLIR、PyTorch、vLLM、GDB、Valgrind
成长机会方法论与资产沉淀、赋能研发团队
业务类型ambiguous
工作生活
40较低
JD未提及任何工作模式（远程/混合）或WLB相关信息，无法做出积极判断。岗位性质（系统验证、集群测试）可能要求较高的现场办公或协同。
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
80较高
参与构建支撑AI大模型的底层软件质量基石，对整个AI生态有重要价值，行业处于高速增长阶段，使命感与成长空间并存。
行业发展高速增长赛道
社会影响中性/一般
使命信号赋能研发团队提升质量内建能力、加速AI软件栈高质量迭代
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs