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": "阿里云智能-大模型训练系统研发工程师-PAI平台",
"job_level": "未披露",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": "算法研发"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": "硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "阿里云PAI团队致力于打造业界一流的一站式AI平台，拥有万卡级训练能力与超大规模异构资源调度技术，为复杂模型训练与推理任务构建坚实基座。PAI平台不仅是通义大模型研发与落地的核心基础设施，也作为公共云服务的关键载体，支撑众多行企业构建大模型核心业务。平台提供从数据标注、预处理、模型训练、推理服务到开发环境与工作流调度的全链路工程支持，全面覆盖AI项目从实验探索到规模化落地的完整价值链。作为大模型训练系统研发工程师，您将深度参与以下工作：\n1. 负责PAI深度学习引擎的核心研发，重点突破MoE大规模训练、多模态（VLM/VLA）及Agentic RL（智能体强化学习）等前沿框架，覆盖Pretrain、SFT、RLHF/RLAIF等全生命周期训练任务的框架优化。\n2. 针对超大规模模型负载，系统化分析训练各阶段瓶颈，通过数据加载加速、算子融合优化、通信库调优及分布式策略改进等手段，提升训练吞吐率。\n3. 深入异构硬件底层，实现训练框架对多种新型加速卡的高效适配与性能调优。\n4. 设计并实施超大规模训练任务的稳定性保障方案，构建高精度的故障检测与自动自愈系统；优化任务启动速度与断点续训机制，显著提升有效训练时长和任务成功率。\n5. 构建智能体与环境交互的轨迹追踪系统及多种业界Benchmark适配体系，为LLM、自动驾驶、具身智能等领域提供便捷的底层基础设施支持。\n6. 负责线上环境的实时监控、异常定位与性能诊断，建立快速响应机制；为头部客户提供专家级技术支持，保障平台服务的高可用性与高稳定性，助力客户业务顺利落地。",
"requirements_text": "1. 计算机及相关专业背景，具备扎实的计算机基础与系统化思维能力，熟悉Python/C++语言和常用设计模式，具备复杂系统的设计开发调试能力。\n2. 熟悉深度学习的基础理论概念，熟悉Transformer架构，熟悉主流大语言模型、多模态模型、自动驾驶、具身智能等模型特点。\n3. 熟练PyTorch等领域常用框架，掌握Megatron、DeepSpeed、JAX、Verl、RLInf等不同训练框架的各自特点和细节。\n4. 熟悉计算机体系结构基础知识，有异构计算优化(GPGPU/x86/ARM等)、高性能网络架构通信优化、分布式训练策略优化等方面的经验。\n5. 优良的沟通表达能力、团队合作意识和经验；具备快速学习的能力，以及深入钻研技术问题的耐心。\n6. 具备AI辅助下的全栈软件开发能力，能够熟练运用Copilot、Agent Coding及Agentic Coding等工具，覆盖从需求、设计、编程到测试、发布的完整研发生命周期",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"团队协作",
"沟通表达",
"大语言模型"
],
"preferred_qualifications": "未披露",
"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=100013603001"
}
]
},
"posting": {
"posting_id": "100013603001",
"post_date": "2026-09-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100013603001"
},
"fulltext": "阿里云智能-大模型训练系统研发工程师-PAI平台\n阿里云智能-大模型训练系统研发工程师-PAI平台\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n阿里云PAI团队致力于打造业界一流的一站式AI平台，拥有万卡级训练能力与超大规模异构资源调度技术，为复杂模型训练与推理任务构建坚实基座。PAI平台不仅是通义大模型研发与落地的核心基础设施，也作为公共云服务的关键载体，支撑众多行企业构建大模型核心业务。平台提供从数据标注、预处理、模型训练、推理服务到开发环境与工作流调度的全链路工程支持，全面覆盖AI项目从实验探索到规模化落地的完整价值链。作为大模型训练系统研发工程师，您将深度参与以下工作：\n1. 负责PAI深度学习引擎的核心研发，重点突破MoE大规模训练、多模态（VLM/VLA）及Agentic RL（智能体强化学习）等前沿框架，覆盖Pretrain、SFT、RLHF/RLAIF等全生命周期训练任务的框架优化。\n2. 针对超大规模模型负载，系统化分析训练各阶段瓶颈，通过数据加载加速、算子融合优化、通信库调优及分布式策略改进等手段，提升训练吞吐率。\n3. 深入异构硬件底层，实现训练框架对多种新型加速卡的高效适配与性能调优。\n4. 设计并实施超大规模训练任务的稳定性保障方案，构建高精度的故障检测与自动自愈系统；优化任务启动速度与断点续训机制，显著提升有效训练时长和任务成功率。\n5. 构建智能体与环境交互的轨迹追踪系统及多种业界Benchmark适配体系，为LLM、自动驾驶、具身智能等领域提供便捷的底层基础设施支持。\n6. 负责线上环境的实时监控、异常定位与性能诊断，建立快速响应机制；为头部客户提供专家级技术支持，保障平台服务的高可用性与高稳定性，助力客户业务顺利落地。\n\n职位要求\n1. 计算机及相关专业背景，具备扎实的计算机基础与系统化思维能力，熟悉Python/C++语言和常用设计模式，具备复杂系统的设计开发调试能力。\n2. 熟悉深度学习的基础理论概念，熟悉Transformer架构，熟悉主流大语言模型、多模态模型、自动驾驶、具身智能等模型特点。\n3. 熟练PyTorch等领域常用框架，掌握Megatron、DeepSpeed、JAX、Verl、RLInf等不同训练框架的各自特点和细节。\n4. 熟悉计算机体系结构基础知识，有异构计算优化(GPGPU/x86/ARM等)、高性能网络架构通信优化、分布式训练策略优化等方面的经验。\n5. 优良的沟通表达能力、团队合作意识和经验；具备快速学习的能力，以及深入钻研技术问题的耐心。\n6. 具备AI辅助下的全栈软件开发能力，能够熟练运用Copilot、Agent Coding及Agentic Coding等工具，覆盖从需求、设计、编程到测试、发布的完整研发生命周期\n阿里云PAI团队致力于打造业界一流的一站式AI平台，拥有万卡级训练能力与超大规模异构资源调度技术，为复杂模型训练与推理任务构建坚实基座。PAI平台不仅是通义大模型研发与落地的核心基础设施，也作为公共云服务的关键载体，支撑众多行企业构建大模型核心业务。平台提供从数据标注、预处理、模型训练、推理服务到开发环境与工作流调度的全链路工程支持，全面覆盖AI项目从实验探索到规模化落地的完整价值链。作为大模型训练系统研发工程师，您将深度参与以下工作：\n1. 负责PAI深度学习引擎的核心研发，重点突破MoE大规模训练、多模态（VLM/VLA）及Agentic RL（智能体强化学习）等前沿框架，覆盖Pretrain、SFT、RLHF/RLAIF等全生命周期训练任务的框架优化。\n2. 针对超大规模模型负载，系统化分析训练各阶段瓶颈，通过数据加载加速、算子融合优化、通信库调优及分布式策略改进等手段，提升训练吞吐率。\n3. 深入异构硬件底层，实现训练框架对多种新型加速卡的高效适配与性能调优。\n4. 设计并实施超大规模训练任务的稳定性保障方案，构建高精度的故障检测与自动自愈系统；优化任务启动速度与断点续训机制，显著提升有效训练时长和任务成功率。\n5. 构建智能体与环境交互的轨迹追踪系统及多种业界Benchmark适配体系，为LLM、自动驾驶、具身智能等领域提供便捷的底层基础设施支持。\n6. 负责线上环境的实时监控、异常定位与性能诊断，建立快速响应机制；为头部客户提供专家级技术支持，保障平台服务的高可用性与高稳定性，助力客户业务顺利落地。\n1. 计算机及相关专业背景，具备扎实的计算机基础与系统化思维能力，熟悉Python/C++语言和常用设计模式，具备复杂系统的设计开发调试能力。\n2. 熟悉深度学习的基础理论概念，熟悉Transformer架构，熟悉主流大语言模型、多模态模型、自动驾驶、具身智能等模型特点。\n3. 熟练PyTorch等领域常用框架，掌握Megatron、DeepSpeed、JAX、Verl、RLInf等不同训练框架的各自特点和细节。\n4. 熟悉计算机体系结构基础知识，有异构计算优化(GPGPU/x86/ARM等)、高性能网络架构通信优化、分布式训练策略优化等方面的经验。\n5. 优良的沟通表达能力、团队合作意识和经验；具备快速学习的能力，以及深入钻研技术问题的耐心。\n6. 具备AI辅助下的全栈软件开发能力，能够熟练运用Copilot、Agent Coding及Agentic Coding等工具，覆盖从需求、设计、编程到测试、发布的完整研发生命周期",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}