{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "阿里云智能-模型性能优化专家-PAI",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "云智能集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "未披露"AI生成
    },
    "company": {
        "company_name": "阿里云",
        "company_industry": "云计算 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "alibaba.com",
        "company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于：\n● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案；\n● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化；\n● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能；\n● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化；\n● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离；\n● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。",
        "requirements_text": "必备条件：\n● 深度学习框架：熟悉至少一种主流深度学习框架（PyTorch、TensorFlow、JAX、DeepSpeed、Megatron 等），理解其底层执行机制与扩展方式；\n● 工程能力：熟练掌握 C++ 与 Python，具备扎实的工程实现能力和良好的代码素养；\n● 硬件加速经验：具备 GPU（CUDA、cuDNN、NCCL）或 AI 加速芯片（GPU，PPU等）的性能优化实战经验；\n● 分布式训练：熟悉分布式训练框架与通信原理（如 Ring AllReduce、Horovod、DeepSpeed、Megatron-LM 等），理解并行策略（DP/TP/PP/EP）的设计权衡；\n● 性能分析：熟练使用性能 profiling 工具（nsys、nvprof、perf、torch.profiler 等），能够快速定位并解决性能瓶颈；\n● AI Coding 能力：熟练使用 Claude Code、Cursor、Copilot 等 AI 编程工具提升开发效率，具备良好的 prompt 设计与人机协作意识，能够将 AI 工具有效融入日常开发、调试与代码审查流程；\n● 软素质：具备优秀的客户导向意识，心态开放，善于跨团队协作；学习能力强，自我驱动力足，能够持续跟踪前沿技术并结合客户场景落地。\n加分项：\n● 具备大模型训练与推理优化经验（GPT、Llama、Diffusion、MoE 等），熟悉显存优化、算子融合、量化压缩等技术；\n● 熟悉自动驾驶或具身智能方向的模型与系统（多模态感知、规划控制、强化学习、SLAM、Policy 训练等）；\n● 了解 AI 编译器技术栈（XLA、TVM、TensorRT、OneDNN、AITemplate、BladeDISC 等），具备算子开发或图优化经验；\n● 有在 AI 平台、云平台或框架团队工作的经验；\n● 对 AI 系统性能调优、算力调度、集群调度系统（K8s、Ray、Slurm 等）有实践经验；\n● 有构建 AI Coding Agent、代码生成类系统、或多 Agent 协同工作流的经验者优先。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "TensorFlow",
            "CUDA",
            "深度学习",
            "强化学习",
            "模型训练",
            "性能优化",
            "性能调优",
            "团队协作",
            "学习能力",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项：；● 有构建 AI Coding Agent、代码生成类系统、或多 Agent 协同工作流的经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100012523001"
            }
        ]
    },
    "posting": {
        "posting_id": "100012523001",
        "post_date": "2026-09-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100012523001"
    },
    "fulltext": "阿里云智能-模型性能优化专家-PAI\n阿里云智能-模型性能优化专家-PAI\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于：\n● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案；\n● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化；\n● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能；\n● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化；\n● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离；\n● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。\n\n职位要求\n必备条件：\n● 深度学习框架：熟悉至少一种主流深度学习框架（PyTorch、TensorFlow、JAX、DeepSpeed、Megatron 等），理解其底层执行机制与扩展方式；\n● 工程能力：熟练掌握 C++ 与 Python，具备扎实的工程实现能力和良好的代码素养；\n● 硬件加速经验：具备 GPU（CUDA、cuDNN、NCCL）或 AI 加速芯片（GPU，PPU等）的性能优化实战经验；\n● 分布式训练：熟悉分布式训练框架与通信原理（如 Ring AllReduce、Horovod、DeepSpeed、Megatron-LM 等），理解并行策略（DP/TP/PP/EP）的设计权衡；\n● 性能分析：熟练使用性能 profiling 工具（nsys、nvprof、perf、torch.profiler 等），能够快速定位并解决性能瓶颈；\n● AI Coding 能力：熟练使用 Claude Code、Cursor、Copilot 等 AI 编程工具提升开发效率，具备良好的 prompt 设计与人机协作意识，能够将 AI 工具有效融入日常开发、调试与代码审查流程；\n● 软素质：具备优秀的客户导向意识，心态开放，善于跨团队协作；学习能力强，自我驱动力足，能够持续跟踪前沿技术并结合客户场景落地。\n加分项：\n● 具备大模型训练与推理优化经验（GPT、Llama、Diffusion、MoE 等），熟悉显存优化、算子融合、量化压缩等技术；\n● 熟悉自动驾驶或具身智能方向的模型与系统（多模态感知、规划控制、强化学习、SLAM、Policy 训练等）；\n● 了解 AI 编译器技术栈（XLA、TVM、TensorRT、OneDNN、AITemplate、BladeDISC 等），具备算子开发或图优化经验；\n● 有在 AI 平台、云平台或框架团队工作的经验；\n● 对 AI 系统性能调优、算力调度、集群调度系统（K8s、Ray、Slurm 等）有实践经验；\n● 有构建 AI Coding Agent、代码生成类系统、或多 Agent 协同工作流的经验者优先。\n你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于：\n● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案；\n● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化；\n● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能；\n● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化；\n● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离；\n● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。\n必备条件：\n● 深度学习框架：熟悉至少一种主流深度学习框架（PyTorch、TensorFlow、JAX、DeepSpeed、Megatron 等），理解其底层执行机制与扩展方式；\n● 工程能力：熟练掌握 C++ 与 Python，具备扎实的工程实现能力和良好的代码素养；\n● 硬件加速经验：具备 GPU（CUDA、cuDNN、NCCL）或 AI 加速芯片（GPU，PPU等）的性能优化实战经验；\n● 分布式训练：熟悉分布式训练框架与通信原理（如 Ring AllReduce、Horovod、DeepSpeed、Megatron-LM 等），理解并行策略（DP/TP/PP/EP）的设计权衡；\n● 性能分析：熟练使用性能 profiling 工具（nsys、nvprof、perf、torch.profiler 等），能够快速定位并解决性能瓶颈；\n● AI Coding 能力：熟练使用 Claude Code、Cursor、Copilot 等 AI 编程工具提升开发效率，具备良好的 prompt 设计与人机协作意识，能够将 AI 工具有效融入日常开发、调试与代码审查流程；\n● 软素质：具备优秀的客户导向意识，心态开放，善于跨团队协作；学习能力强，自我驱动力足，能够持续跟踪前沿技术并结合客户场景落地。\n加分项：\n● 具备大模型训练与推理优化经验（GPT、Llama、Diffusion、MoE 等），熟悉显存优化、算子融合、量化压缩等技术；\n● 熟悉自动驾驶或具身智能方向的模型与系统（多模态感知、规划控制、强化学习、SLAM、Policy 训练等）；\n● 了解 AI 编译器技术栈（XLA、TVM、TensorRT、OneDNN、AITemplate、BladeDISC 等），具备算子开发或图优化经验；\n● 有在 AI 平台、云平台或框架团队工作的经验；\n● 对 AI 系统性能调优、算力调度、集群调度系统（K8s、Ray、Slurm 等）有实践经验；\n● 有构建 AI Coding Agent、代码生成类系统、或多 Agent 协同工作流的经验者优先。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}