阿里巴巴
研究型实习生-AI Infra工程师
研究型实习生-AI Infra工程师
发布于 5 小时前实习/见习
实习生仅现场办公高性能计算
高性能计算
Ai Infra
Cuda
Gpu性能优化
Rocm
分布式系统
大模型推理
集合通信
高性能计算
值不值得投
75综合评分
综合评分 75
前沿AI Infra研究型实习，技术成长和顶会机会突出，补偿与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，方便比较实习机会。
薪资怎么样
1.2万
比高性能计算中位数低
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 3950 个在招 · 其中高性能计算 27 个
市场机会
选择适中
杭州 · 高性能计算 · 20 个在招
职位详情
关于这个职位
这个实习岗位面向博士研究生，在阿里巴巴参与AI Infra方向研究，聚焦软硬件协同优化、分布式训练/推理性能优化、高性能网络通信框架及大模型推理加速
你将分析GPU平台性能瓶颈、设计通信与计算协同方案，并有机会发表高水平论文、参与国际顶级会议
最低要求
）分布式系统、计算机体系结构、编译优化或通信与计算协同设计方向的博士研究生
）具备AI训推计算性能分析与优化的经验，能深入分析AI模型在GPU平台上的性能瓶颈，提出并实施优化方案
针对分布式训练和推理系统，进行性能调优，提升系统的吞吐量和效率
）熟悉业界常见的优化栈（cuda/rocm/cutlass/ck/triton等），在高效的内存管理、通信优化（NvLink/Infiniband/RoCEv2等）关键技术上有实操经验
）前沿技术研究：跟踪AI Infra领域的最新研究进展，探索新的硬件架构、算法和系统优化技术
发表高水平学术论文，参与国际顶级会议（如ISCA、MICRO、OSDI、SOSP、ATC、NSDI等）
工作职责
）负责研发软硬件协同的优化能力，提升集团各训推场景在异构资源上计算性能，进一步提高资源利用率
）负责设计、实现、维护 AI 和高性能计算所需要的高性能网络通信框架和大模型推理场景的性能优化，聚焦模型通信场景的能力建设，完善集合通信、点对点通信等通信方式与推理框架的联合方案设计，推动提升推理性能
优先资格
）分布式系统研发经验是加分项：设计和实现高效的分布式训练和推理框架，解决大规模分布式系统中的通信、同步和负载均衡问题
探索新型的分布式架构，提升系统的可扩展性和容错性
AI 洞察
优缺点分析
优点
- 岗位聚焦AI Infra前沿方向，覆盖软硬件协同、通信优化和大模型推理加速，技术含量高
- 有机会接触大规模训练/推理场景与异构资源，工程与研究结合紧密
- 鼓励发表高水平论文并参与ISCA、MICRO、OSDI等顶级会议，利于学术与工业双线发展
- 平台提供丰富算力与业务场景，可验证优化方案的实际价值
- 岗位要求博士研究背景，且对分布式系统、GPU性能优化和通信技术均有较深要求，门槛高
- 大规模系统性能问题定位链条长，需要较强的自驱力和跨团队协作能力
- 适合计算机体系结构、分布式系统、编译优化或高性能计算方向的博士生，尤其是对AI Infra系统优化有强烈兴趣、希望兼顾顶会论文与工业级落地的人
缺点 / 挑战
- 需要同时兼顾研究产出与工程落地，工作节奏和问题复杂度较高
角色解读
- 在博士研究阶段积累AI Infra系统优化与大规模分布式训练/推理的工程研究经验
- 通过顶会论文和工业级项目提升在AI系统、高性能计算方向的竞争力
- 后续可向AI Infra研究员、分布式系统工程师、推理优化专家或高性能计算架构师方向发展
- 参与AI Infra软硬件协同优化，围绕集团训练与推理场景提升异构资源上的计算性能
- 设计并实现高性能网络通信框架，优化集合通信、点对点通信与大模型推理框架的联合方案
- 分析GPU平台上的模型性能瓶颈，提出并落地分布式训练/推理性能优化方案
- 跟踪AI Infra前沿研究，参与论文发表和国际顶级会议交流
- 分布式系统、计算机体系结构、编译优化或通信与计算协同方向的研究背景
- 熟悉CUDA/ROCm/CUTLASS/CK/Triton等优化栈，具备GPU性能分析与调优能力
- 理解NvLink/InfiniBand/RoCEv2等通信技术，有集合通信、内存管理或通信优化实操经验
- 具备大模型分布式训练/推理系统优化经验，能定位吞吐、延迟和扩展性问题
申请策略
- 申请时明确自己是博士研究型实习，强调研究兴趣、论文方向和可实习周期
- 提前了解阿里巴巴在AI Infra、推理加速和分布式训练方向的公开技术分享，面试中展示业务理解
- 突出分布式训练/推理、GPU性能优化、集合通信或通信库相关项目经历
- 量化展示优化效果，如吞吐提升、延迟下降、资源利用率提升等指标
- 列出CUDA/ROCm/CUTLASS/Triton等工具栈的实际使用经验与代码贡献
- 如有顶会论文、开源项目或系统竞赛经历，应重点呈现
- 补强CUDA/CUTLASS/Triton等GPU编程与算子优化能力，准备可展示的性能调优案例
- 深入理解NCCL、集合通信、NvLink/InfiniBand/RoCEv2等通信机制
面试指南
- 技术问题采用“背景-瓶颈-方案-实验/指标-反思”的结构回答，突出可验证的优化效果
- 系统设计问题先明确场景约束（模型规模、硬件拓扑、通信带宽），再分层给出计算、通信、内存和调度方案
- 研究类问题说明问题动机、与已有工作的差异、实验设计和潜在贡献
- 请介绍你做过的一个GPU性能优化项目，如何定位瓶颈并量化收益？
- 在大模型分布式训练中，通信与计算重叠可以如何设计？
- 你如何分析集合通信在NvLink/InfiniBand/RoCEv2上的性能差异？
- 针对大模型推理场景，你会从哪些层面优化吞吐和延迟？
- 你最近读过哪些AI Infra顶会论文？有什么可落地或可研究的方向？
职位点评
薪资福利65
成长发展92
工作生活55
使命价值78
薪资福利
65中等
JD未披露实习津贴、补贴或福利信息，补偿透明度有限；仅能从岗位技术门槛和杭州实习市场做初步判断。
薪资信号未披露（AI估算：9.0千–1.5万/月）
成长发展
92较高
岗位处于AI Infra前沿方向，明确鼓励前沿技术研究、顶会论文和工业级性能优化，成长性很强。
技术前沿前沿/新兴技术
技术栈AI Infra、分布式系统、GPU、CUDA、ROCm、CUTLASS、CK、Triton、NvLink、InfiniBand、RoCEv2、集合通信、大模型推理
成长机会前沿技术研究、跟踪AI Infra领域的最新研究进展、发表高水平学术论文、参与国际顶级会议
业务类型ambiguous
工作生活
55较低
JD未提及办公模式、弹性工时或加班情况，WLB信息不足；到岗要求与实习作息需在面试中确认。
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
78中等
AI Infra是AI基础设施的重要组成部分，处于高速增长的技术赛道，研究与顶会产出有较强专业价值；但JD未直接强调社会使命。
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