阿里巴巴
AI编译器设计实现-阿里星
AI编译器设计实现-阿里星
发布于 2 小时前普通员工/个人贡献者
全职员工混合式弹性办公人工智能
人工智能
Ai编译器
Llm
Mlir
Openxla
Tvm
分布式并行计算
算子优化
计算机体系结构
值不值得投
86综合评分
综合评分 86
顶尖校招项目、前沿编译器技术栈、高薪稳定平台，研发强度适中偏上。
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，方便比较职业起点。
薪资怎么样
5.0万
比人工智能中位数高
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 3670 个在招 · 其中人工智能 约 370 个
市场机会
选择面较广
杭州 · 人工智能 · 约 440 个在招
职位详情
关于这个职位
该岗位专注于自研AI芯片的底层软件生态建设，负责面向大语言模型的图编译器与算子编译器开发
核心职责包括设计编译器中间表示、攻克自动并行化与分布式数据访问难题，并与硬件团队协同优化性能，确保新型AI模型在芯片上高效运行
最低要求
计算机科学、软件工程或相关专业，硕士及以上学历（博士优先）
深入理解LLM模型架构和原理，编译原理和分布式并行计算
熟悉 MLIR/TVM/OpenXLA 等主流AI编译器框架的架构和实现
扎实的 C/C++/Python 编程能力，良好的数据结构和算法基础
对计算机体系结构有基本理解，了解指令集、流水线、存储层次等概念
工作职责
面向LLM模型，开发图编译器和算子编译器
设计编译器中间表示，解决模型自动并行化、分布式数据、计算和通信隐藏等技术难题
与硬件团队协作，参与性能分析，确保编译器能充分利用硬件特性
优先资格
参与过 vLLM/PyTorch等主流开源框架的开发
有完整AI编译器设计开发经历
AI 洞察
优缺点分析
优点
- 接触行业最前沿的AI编译器与自研芯片技术，技术壁垒极高
- 需同时理解上层模型算法与底层硬件指令集，知识跨度大且调试周期长
- 具备扎实计算机基础、热爱底层系统研发、抗压能力强且追求技术深度的应届硕博人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI系统架构师、底层软件技术专家或芯片软硬协同负责人方向进阶
- 负责大语言模型（LLM）的图编译器与算子编译器架构设计与代码实现
- 深入掌握编译原理、分布式并行计算及主流AI编译器框架（MLIR/TVM/OpenXLA）
申请策略
- 提前研究目标公司的AI芯片路线与开源编译器社区动态，展现技术前瞻性
- 突出LLM模型解析、编译器IR设计、算子融合优化及相关开源项目贡献
- 补充计算机组成原理、GPU/NPU架构知识，强化C++现代特性与性能调优实战
面试指南
- 采用STAR法则结合底层原理剖析：先阐述问题背景与约束条件，再给出架构设计方案，最后用性能指标或实际案例验证效果
- 如何设计LLM的自动并行策略以平衡计算与通信开销？
- 对比MLIR与TVM的IR设计哲学，说明各自的适用场景
- 如何实现算子级性能分析与热点定位？
- 分布式数据访问中的内存管理与数据布局优化思路是什么？
- 复习经典编译器优化Pass流程，梳理PyTorch/vLLM源码调用链路，准备1-2个完整的性能调优项目复盘
职位点评
薪资福利92
成长发展95
工作生活65
使命价值85
薪资福利
92较高
阿里星项目提供行业领先的薪酬包与完善福利，上市公司稳定性强，高度满足补偿性动机。
薪资信号偏高 (3.5千–6.5万/月)
成长发展
95较高
聚焦前沿AI编译器与LLM底层技术，接触自研芯片与顶级开源框架，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、MLIR、TVM、OpenXLA、C++、Python
业务类型profit_center
工作生活
65中等
互联网大厂通常节奏较快，虽可能提供弹性办公机制，但研发攻坚期工作压力较大，WLB中等。
工作模式未明确
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
85较高
致力于突破AI算力底座技术瓶颈，推动国产自研芯片生态发展，具有显著的技术使命感与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs