alibaba
Open positions
平头哥-CPU计算加速软件专家-杭州/上海
1. 负责基于自研CPU芯片通用场景包括但不限于大数据、存储、数据库、视频、Web等场景的软件优化工作：对涉及的基础库、核心业务算法、平台框架等进行深入优化开发和产品化软件交付 2. 负责基于自研CPU芯片在AI 场景的应用软件优化工作：对大模型训练、推理场景涉及框架（PyTorch、vLLM、SGLang 等）、算子库、互联通信、硬件驱动等模块进行CPU侧的瓶颈优化和开发提升自研CPU在AI场景的性能竞争力 3.…
平头哥-AI软件架构师-Cmodel-上海
1、负责自研AI芯片算法和功能行为的设计分析及其CModel开发。 2、负责CMODEL和驱动的协同开发，以辅助硬件设计验证。 3、跟RTL团队合作，进行交叉验证。 1. Design and analyze algorithms and features of AI chip, and develop corresponding behavior and performance model. 2. Co-work with…
千问事业部-千问/夸克-大模型预训练与应用算法工程师-杭州/北京
1. 操控万卡规模的 GPU 集群，对超大参数量级的预训练模型进行高效分布式训练与优化。 2.深度参与多模态（图像、语音、文本、视频）大模型的研发，探索多学科交叉领域的新奇玩法。 3.我们的技术将为千问和夸克的亿万用户提供高品质的AI智能服务，见证前沿技术实现真正的用户价值 加入我们，你将获得： 1.与顶级专家携手，以世界级算力资源和数据支持为背书，不断挑战技术极限。…
智能引擎-KV Cache 存储系统开发-杭州
1. KVCache 核心系统研发，负责 LLM 推理场景下 KVCache 的架构设计与工程实现，优化 KVCache 的内存管理、显存分配与生命周期调度策略，研究并实现 Prefix Cache、Radix Tree Cache 等高效缓存复用机制，提升 Cache Hit Rate。 2. 设计跨机、跨节点的分布式 KVCache 共享与迁移方案，实现 KVCache 在 GPU HBM / CPU DRAM / NVMe…
数据技术及产品部-大模型数据处理优化专家-杭州/北京
1、负责多模态数据处理链路的推理优化，分析性能瓶颈，软硬件结合优化，实现包括语言识别、计算机视觉等多方向的推理优化，达到极致性能； 2、负责多模态数据处理链路的可观测性工具建设，包括数据处理、模型推理的监控、告警等； 3、负责异构资源（GPU、CPU等硬件）的调度优化，实现潮汐资源、混部资源、多云资源的最优化调度 4、负责集群和业务服务的稳定性治理、资源利用率提升，通过系统化方式提高GPU、CPU等硬件资源的使用效率。…
ATH事业群-AI Agent SRE专家-MaaS应用运维
1. 负责 AI Agent以及平台的可用性、性能与容量保障，设计并落地 SLO/SLI/Error Budget 体系，建设全链路可观测性与限流熔断、灰度发布、快速回滚等容灾能力 2. 负责 Agent 执行基础设施的可靠性保障：代码执行沙箱、工具调用网关、会话与状态存储等的资源隔离、弹性伸缩、性能优化与容量规划 3. 负责云资源运维（K8s 集群、存储、网络等），保障弹性伸缩与配额安全，建设资源利用率与成本可观测体系，推动…
Token Foundry-大模型平台研发工程师-训练平台
主要负责 TokenFoundry 大模型训练平台建设，为大模型训练提供稳定、高效、弹性的 AI Infra 基础设施。你将参与新一代大模型训练平台的架构演进，支撑大规模分布式训练任务编排、异构集群资源调度、训练容错与弹性恢复等核心系统，持续提升研发效能与算力利用率。 主要工作职责和挑战 1. 训练任务平台设计与研发：负责分布式训练任务的提交、编排、调度、可观测性与全生命周期管理系统的架构设计及核心代码实现。 2.…
Token Foundry-大模型训练Infra工程师-训练稳定性方向
1. 建设超大规模训练的稳定性治理体系，围绕有效训练时长（ETTR）与 Goodput 做端到端度量与优化，量化并持续压缩因故障、回滚、启动带来的无效算力（Badput）。 2. 构建覆盖软硬件异常的故障可观测能力，完善日志、指标、事件的采集与关联分析；研发智能诊断能力，实现训练 slow / hang / OOM / 通信异常等故障的快速定界与根因追溯，沉淀故障模式库与自动诊断规则。 3.…
Token Foundry-大模型训练Infra工程师-容器Infra方向
1. 基于开源 Kubernetes 构建面向大模型训练的容器化基础设施增强能力，研发 GPU 拓扑感知调度、Gang 调度、资源碎片治理与利用率提升，保障千卡 / 万卡级作业的快速拉起与高吞吐运行。 2. 研发面向训练作业的任务编排与作业管理能力（作业生命周期管理、作业全链路追踪等自定义控制器），支撑预训练、RL、评测多场景任务的可靠调度与快速恢复。 3.…
阿里云智能-函数计算（FC）Sandbox Infra 研发专家-北京
函数计算（Function Compute）是阿里云 Serverless 的核心产品，承载了集团内外大量在线业务、AIGC 推理、数据处理、前端 SSR 等负载。 Sandbox Infra 团队负责函数计算最底层的那一层： ● 多租户下的安全隔离：任意用户代码都要能安全、稳定地跑在共享基础设施上； ● 极致的冷启动与弹性：百毫秒级拉起一个带完整运行时的安全沙箱，秒级扩容到数万实例； ●…
ATH-AI创新事业部-服务端研发-AI 模型&架构方向
1、大模型推理与调度平台建设：主导多模态/LLM 推理服务化与模型调度中台（自研/二方/三方）建设，支持同模型多账号、多模型共存、降级容错与弹性扩缩容，保障高并发低时延的线上推理体验； 2、推理加速与资源效率优化：推进推理加速与 GPU 资源复用等优化策略落地，提升模型利用率并降低单位推理成本； 3、模型成本治理体系：建设模型资源（如配额、用量、费用、使用期限/到期策略）可视化与治理闭环，推动降本动作落地并形成可持续的成本优化机制；…
平头哥-Scale-up Switch芯片产品经理-北京
1. 根据公司 AI 产品线及scale-up互连产品战略与路线，定义和管理数据中心 Scale-up（超节点内加速器互连）Switch 芯片产品； 2. 负责 Scale-up Switch 软硬件产品规格定义，综合考虑技术演进、互连协议进展、封装/工艺和合作伙伴与市场需求等多重因素，通过市场调研、客户访谈、竞争分析等识别产品需求，制订优先级，定义芯片主要功能与关键性能指标（聚合带宽、端口数/Radix、SerDes…
平头哥-Scale-up Switch芯片产品经理-上海
1. 根据公司 AI 产品线及scale-up互连产品战略与路线，定义和管理数据中心 Scale-up（超节点内加速器互连）Switch 芯片产品； 2. 负责 Scale-up Switch 软硬件产品规格定义，综合考虑技术演进、互连协议进展、封装/工艺和合作伙伴与市场需求等多重因素，通过市场调研、客户访谈、竞争分析等识别产品需求，制订优先级，定义芯片主要功能与关键性能指标（聚合带宽、端口数/Radix、SerDes…
达摩院-SRAM/FIP定制电路工程师-RISC V及生态
面向高性能SRAM, 基础IP或标准单元（如触发器、脉冲锁存器、逻辑触发器、特殊复杂单元等）的设计、验证及库生成。与晶圆厂开展DTCO（设计/工艺协同优化） 针对性能、功耗和面积（PPA）以及良率优化SRAM/定制电路。 开发定制版图并执行物理验证（例如，DRC、LVS）。 开展大量电路仿真，以验证SRAM的功能与性能、电气完整性及鲁棒性。 …
达摩院-CPU架构师-RISCV及生态
1. 规划和定义面向AI领域的CPU，并推动技术方案落地 2. 参与制定面向领域的CPU架构、微架构方案的定义 3. 制定CPU IP的Roadmap 4. 负责业界AI领域和具身智能领域技术方案跟踪和梳理 1. 硕士及以上学历，在 CPU 及 AI 领域有 5 年以上工作经验。 2. 熟悉主流 AI 芯片（GPU/NPU/DSA 等）的体系结构与性能优化方法，熟悉大语言模型及常见神经网络的结构与算法特征。有以下两方面经验者优先：…
达摩院-CPU物理设计及集成实现工程师-RISC V及生态
1.与CPU设计者密切合作，进行关键时序路径的分析与逻辑电路优化； 2.前后端协同设计，持续提升CPU PPA性能指标； 3.CPU Core的物理设计与交付，达到产品指标要求； 4.CPU 集成实现工程师（中端）综合实现 1. 具有CPU/GPU/AI Core物理设计及实现经验优先； 2. 与CPU设计者密切合作，进行逻辑优化，持续提升CPU PPA指标； 3.…
达摩院-SOC验证工程师-RISC V及生态
"1. 电子，通信或计算机本科及以上学历； 2. 精通芯片验证语言、流程以及验证方法学，如SystemVerilog, UVM等； 3. 精通C/C++等面向对象语言以及Perl/Python等脚本语言； 4. 精通Synopsys或Cadence仿真和调试工具，熟练使用各类VIP； 5. 具备如下专业领域的一项或者多项的验证经验，优先考虑： a. Core（CPU, GPU, NPU, …) b. 高速接口(DDR,…
AI推理平台-百炼模型服务运行时技术专家/高级工程师-杭州/北京
负责设计与构建下一代分布式 AI 推理 Runtime，让大模型服务启动更快、运行更稳、资源效率更高。你将参与解决大规模推理系统中的核心工程问题，包括： 1.推理实例极速弹性：通过容器镜像加速、模型与数据缓存、P2P 分发、预加载及 Checkpoint／Restore 等技术，持续降低模型加载与实例启动时间，提升大规模集群的弹性伸缩效率； 2.异构集群与分布式推理：支持不同模型和推理引擎运行在 GPU、NPU…
阿里国际站-搜推广引擎工程师-杭州
关于我们 我们是阿里巴巴国际站智能技术部引擎工程团队，负责国际站搜索、广告、推荐三大核心业务的底层引擎，与算法及业务团队一起，为广告营收、买家留存、订单转化等核心指标做贡献。 团队方向： ● 在线引擎：高并发、低延迟的搜推广在线服务 ● 算法工程：模型训练与推理工程化，推动全图化、实时化、深度学习落地 ● 离线大数据：特征、索引、样本等数据生产链路 ● Agent 工程：把搜推广能力封装成 Agent…
阿里云智能-AIGC 推理引擎研发专家-PAI
团队介绍 你将加入阿里云人工智能平台 PAI 团队。PAI 是阿里云一站式 AI 工程平台，覆盖模型开发、训练、部署与推理优化全链路，服务数万家企业客户与开发者。本岗位负责面向图像、视频生成场景的 AIGC 推理引擎研发，聚焦 DiT 类模型的生成速度、成本、能力覆盖与质量，具体工作内容包含但不限于： 岗位职责 负责 PAI 图像／视频生成推理引擎研发，对生成速度、成本、能力覆盖与质量负责： 1. 推理速度：针对 DiT…