阿里巴巴
大规模多地域数据存储和异构计算系统研究-阿里星
大规模多地域数据存储和异构计算系统研究-阿里星
发布于 大约 7 小时前普通员工/个人贡献者
杭州市 / 北京市
专家级经验
全职员工
仅现场办公
本科
信息技术与基础设施
Ai Infra
Go
Gpu
Rdma
分布式存储
多模态
大模型
AI 估算 · 40k–70k
阿里星计划为顶尖技术人才，薪资高于市场水平，结合大厂和AI Infra岗位，月薪中位数约5.5万，16薪。
职位详情
关于这个职位
该职位是阿里巴巴的阿里星计划，专注于大规模多地域AI存储架构、新一代模型存储格式、多模态样本存储与索引系统、样本计算与异构计算引擎等前沿技术研究
你将参与构建支撑大模型训练与多模态数据处理的AI基础设施，解决数据规模化、跨地域一致性、吞吐抖动等核心挑战，是技术深度与影响力兼备的岗位
最低要求
工程与系统基础：计算机相关专业背景，具备优秀的工程实现能力，精通 C/C++、Go 或 Python
具备扎实的数据结构、操作系统、分布式系统与存储系统基础，熟悉性能分析与故障定位方法
大规模存储系统经验：有分布式文件系统、对象存储、KV 存储、湖仓系统或缓存系统研发经验，理解数据分片、副本、纠删码、一致性协议、元数据管理、冷热分层、跨地域复制等核心机制
AI 数据与训练场景理解：熟悉大模型训练数据链路，包括样本构建、数据加载、Checkpoint、模型权重管理、数据版本管理等
有 LLM、多模态训练平台或大规模数据管道经验者优先
高性能数据处理经验：熟悉高吞吐 I/O、零拷贝、异步流水线、并行计算、数据压缩、编解码、索引优化等技术
有 GPU Direct Storage、RDMA、高性能网络或异构计算优化经验者优先
数据格式与计算引擎经验：熟悉 Parquet、Arrow、ORC、WebDataset、TFRecord、HDF5 等数据格式，或 Spark、Ray、Flink、Dask 等分布式计算框架
有自研样本格式、索引系统或多模态数据处理引擎经验者优先
工作职责
大规模多地域 AI 存储架构：负责面向大模型训练与多模态数据处理的多地域数据存储系统设计与演进，支撑跨地域 GPU 集群下模型、样本、特征与中间结果的高效存储、访问与迁移，解决大规模训练中的数据吞吐、成本与稳定性挑战
新一代模型存储格式研究：研究面向大模型的高效存储格式，包括浮点数压缩、权重分片、增量存储、Checkpoint 压缩与快速恢复等技术，降低模型存储成本与跨地域传输开销，提升模型存储、分发与恢复效率
多模态样本存储与索引系统：设计融合结构化与非结构化数据的多模态样本存储格式，覆盖文本、图像、音频、视频等数据类型，构建高性能索引、元数据管理与数据版本体系，提升大规模训练数据的检索、加载与治理效率
样本计算与异构计算引擎：研发高效弹性的多模态样本计算系统，支持数据清洗、解码、增强、过滤、特征抽取等计算流程，结合 CPU / GPU / 异构加速资源进行调度与性能优化，提升样本计算整体效率与资源利用率
AI 训练数据底座落地支撑：作为 AI 基础设施核心模块，支撑大模型训练与应用落地，解决训练过程中的数据规模化、跨地域一致性、吞吐抖动、成本控制与系统稳定性问题，保障模型从数据准备到训练应用的顺畅衔接
优先资格
加分项：对 AI Infra、存储系统与大规模数据处理有强烈兴趣，具备系统性思考能力和端到端优化意识，乐于深入底层、解决复杂工程问题，不惧挑战
AI 洞察
优缺点分析
优点
- 阿里巴巴平台资源丰富，可接触大规模真实业务场景
- 阿里星计划提供有竞争力的薪酬和职业发展机会
- 技术难度高，需要深入底层系统，解决复杂工程问题
- 对综合能力要求高，需兼顾存储、计算、AI等多领域知识
缺点 / 挑战
- 处于AI基础设施核心领域，技术挑战大，成长空间广阔
- 工作强度可能较大，需要应对大规模系统的稳定性与性能挑战
- 适合对AI Infra、存储系统有浓厚兴趣，具备系统性思维和端到端优化意识，乐于挑战复杂技术难题的资深工程师
角色解读
- 在AI基础设施领域深耕，成为存储系统或数据引擎方向的专家
- 有机会参与阿里核心AI平台建设，影响大模型训练效率与成本
- 可向技术管理或架构师方向发展，带领团队解决更复杂的系统挑战
- 设计并演进大规模多地域AI存储架构，支撑跨地域GPU集群下的高效数据存储与迁移
- 研究新一代模型存储格式，包括浮点数压缩、Checkpoint压缩与快速恢复，降低存储与传输成本
- 构建多模态样本存储与索引系统，覆盖文本、图像、音频、视频等数据类型，提升数据检索与治理效率
- 研发样本计算与异构计算引擎，结合CPU/GPU进行调度优化，提升数据处理效率与资源利用率
- 精通C/C++、Go或Python，具备扎实的工程实现能力
- 深入理解分布式系统、存储系统、数据结构与操作系统
- 熟悉分布式文件系统、对象存储、KV存储等核心机制，如数据分片、副本、纠删码、一致性协议
- 了解大模型训练数据链路，包括样本构建、数据加载、Checkpoint管理等
申请策略
- 关注阿里巴巴AI基础设施团队的技术博客和开源项目，了解其技术方向
- 在面试中展现对AI基础设施的热情和系统性思考能力
- 突出分布式存储系统或大数据处理引擎的项目经验，量化性能优化成果
- 强调对AI训练数据链路、模型存储格式的理解，如Checkpoint管理、数据版本控制
- 展示C/C++、Go或Python的工程能力，以及性能调优、故障定位的案例
- 深入学习分布式系统、存储系统相关论文和开源项目，如Ceph、HDFS、Alluxio
- 了解大模型训练框架（如PyTorch、DeepSpeed）的数据加载与存储机制
- 熟悉RDMA、GPU Direct Storage等高性能网络技术
面试指南
- 从系统架构、数据一致性、性能优化、成本控制等角度分析问题
- 结合具体项目经验，阐述技术选型和权衡
- 展示对底层原理的理解，如数据分片、副本、纠删码、一致性协议
- 如何设计一个跨地域的分布式存储系统，保证数据一致性和高可用？
- 如何优化大模型Checkpoint的存储和恢复效率？
- 如何设计一个多模态数据索引系统，支持高效检索和版本管理？
- 如何利用GPU和异构计算资源优化数据管道？
- 复习分布式系统、存储系统、操作系统等核心知识
职位点评
81
综合评分
阿里星计划，AI基础设施前沿技术，高成长高回报，但工作强度大。
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。
更适合这类人
该职位最适合追求技术深度和职业成长，对AI基础设施有强烈兴趣，能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值90
薪资福利
85较高
该职位提供有竞争力的薪酬和福利，但具体薪资未在JD中明确，需面议。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该职位处于AI基础设施前沿，技术挑战大，成长空间广阔，且属于阿里星计划，有明确的培养和发展路径。
技术前沿前沿/新兴技术
技术栈AI Infra、分布式存储、大模型、多模态、GPU、RDMA
成长机会阿里星计划
业务类型profit_center
工作生活
50较低
工作地点为北京或杭州，需现场办公，未提及弹性工作或远程，工作强度可能较大。
工作模式仅现场办公
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
90较高
该职位直接支撑AI基础设施，对推动AI技术发展有重要价值，行业前景广阔。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号支撑大模型训练与应用落地
创新程度积极采用新技术
Watch Jobs