主分类：AI训练推理与计算优化
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AI推理平台-AI 高性能计算工程师-杭州/北京",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术-基础平台"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、电子工程或相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们是阿里巴巴大模型推理团队，负责生成式AI领域（主要是图像生成和LLM）的内部产品、训练推理服务系统建设和维护，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。\n1. 针对特定异构芯片（如华为昇腾、AMD MI系列等），深入分析其指令集、存储层级（HBM/Cache）和计算单元特性，使用原生语言（如CANN C/C++, HIP C++）手写和优化核心算子（如Attention, MoE Gate, GEMM等），实现极致性能。\n2. 主导或核心参与基于编译技术的算子优化方案，利用Triton、TileLang、JAX/MLIR等技术栈，构建一套可跨硬件复用的算子生成与图优化框架，大幅缩短新卡型或新模型的适配周期。\n3. 使用专业的Profiling工具，对模型在异构硬件上的端到端性能进行分析，精准定位Kernel执行、数据搬运、通信等环节的瓶颈，并提出体系化的优化方案。\n4、工作地点：北京、杭州，未来会开放「上海」工作地点，现阶段支持员工根据团队安排部分时间在上海办公，详情可与hr或面试官沟通。",
"requirements_text": "1. 计算机、电子工程或相关专业本科及以上学历，对计算机体系结构有深刻理解。\n2. 拥有深厚的GPU/NPU/XPU高性能计算优化经验，精通至少一种异构计算平台及编程模型（如CUDA, ROCm, OpenCL, SYCL, CANN等）。\n3. 熟悉现代AI模型（特别是Transformer架构）中关键算子的计算原理和优化方法。\n具备以下至少一项经验者优先：\n1. 有从零手写高性能算子（Kernel）并取得显著性能收益的成功案例。\n2. 熟悉编译器技术，有MLIR/LLVM相关开发经验，或有丰富的Triton/TVM算子开发与优化经验。\n3. 有针对AMD、华为、Intel等特定AI芯片的深度性能调优经验。\n4. 具备极强的技术钻研精神和解决复杂问题的能力，能够适应快速迭代的技术环境。",
"skills": [AI生成
"CUDA",
"性能调优"
],
"preferred_qualifications": "具备以下至少一项经验者优先：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100011240013"
}
]
},
"posting": {
"posting_id": "100011240013",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100011240013"
},
"fulltext": "AI推理平台-AI 高性能计算工程师-杭州/北京\nAI推理平台-AI 高性能计算工程师-杭州/北京\n\n基础信息\n职位类别：技术-基础平台\n工作地点：北京 / 杭州\n\n职位描述\n我们是阿里巴巴大模型推理团队，负责生成式AI领域（主要是图像生成和LLM）的内部产品、训练推理服务系统建设和维护，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。\n1. 针对特定异构芯片（如华为昇腾、AMD MI系列等），深入分析其指令集、存储层级（HBM/Cache）和计算单元特性，使用原生语言（如CANN C/C++, HIP C++）手写和优化核心算子（如Attention, MoE Gate, GEMM等），实现极致性能。\n2. 主导或核心参与基于编译技术的算子优化方案，利用Triton、TileLang、JAX/MLIR等技术栈，构建一套可跨硬件复用的算子生成与图优化框架，大幅缩短新卡型或新模型的适配周期。\n3. 使用专业的Profiling工具，对模型在异构硬件上的端到端性能进行分析，精准定位Kernel执行、数据搬运、通信等环节的瓶颈，并提出体系化的优化方案。\n4、工作地点：北京、杭州，未来会开放「上海」工作地点，现阶段支持员工根据团队安排部分时间在上海办公，详情可与hr或面试官沟通。\n\n职位要求\n1. 计算机、电子工程或相关专业本科及以上学历，对计算机体系结构有深刻理解。\n2. 拥有深厚的GPU/NPU/XPU高性能计算优化经验，精通至少一种异构计算平台及编程模型（如CUDA, ROCm, OpenCL, SYCL, CANN等）。\n3. 熟悉现代AI模型（特别是Transformer架构）中关键算子的计算原理和优化方法。\n具备以下至少一项经验者优先：\n1. 有从零手写高性能算子（Kernel）并取得显著性能收益的成功案例。\n2. 熟悉编译器技术，有MLIR/LLVM相关开发经验，或有丰富的Triton/TVM算子开发与优化经验。\n3. 有针对AMD、华为、Intel等特定AI芯片的深度性能调优经验。\n4. 具备极强的技术钻研精神和解决复杂问题的能力，能够适应快速迭代的技术环境。\n我们是阿里巴巴大模型推理团队，负责生成式AI领域（主要是图像生成和LLM）的内部产品、训练推理服务系统建设和维护，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。\n1. 针对特定异构芯片（如华为昇腾、AMD MI系列等），深入分析其指令集、存储层级（HBM/Cache）和计算单元特性，使用原生语言（如CANN C/C++, HIP C++）手写和优化核心算子（如Attention, MoE Gate, GEMM等），实现极致性能。\n2. 主导或核心参与基于编译技术的算子优化方案，利用Triton、TileLang、JAX/MLIR等技术栈，构建一套可跨硬件复用的算子生成与图优化框架，大幅缩短新卡型或新模型的适配周期。\n3. 使用专业的Profiling工具，对模型在异构硬件上的端到端性能进行分析，精准定位Kernel执行、数据搬运、通信等环节的瓶颈，并提出体系化的优化方案。\n4、工作地点：北京、杭州，未来会开放「上海」工作地点，现阶段支持员工根据团队安排部分时间在上海办公，详情可与hr或面试官沟通。\n1. 计算机、电子工程或相关专业本科及以上学历，对计算机体系结构有深刻理解。\n2. 拥有深厚的GPU/NPU/XPU高性能计算优化经验，精通至少一种异构计算平台及编程模型（如CUDA, ROCm, OpenCL, SYCL, CANN等）。\n3. 熟悉现代AI模型（特别是Transformer架构）中关键算子的计算原理和优化方法。\n具备以下至少一项经验者优先：\n1. 有从零手写高性能算子（Kernel）并取得显著性能收益的成功案例。\n2. 熟悉编译器技术，有MLIR/LLVM相关开发经验，或有丰富的Triton/TVM算子开发与优化经验。\n3. 有针对AMD、华为、Intel等特定AI芯片的深度性能调优经验。\n4. 具备极强的技术钻研精神和解决复杂问题的能力，能够适应快速迭代的技术环境。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}