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": "智能引擎-多模态/世界模型基础架构研发工程师/高级专家-AI Infra",
"job_level": "专家",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": "软件研发"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": "硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 多模态/世界模型训推架构：负责万亿参数多模态理解、多模态生成模型、世界模型分布式训推框架的设计和实现。通过5D并行策略、细粒度显存优化、通信计算Overlap等手段，实现多模态场景高效的预训练/后训练Pipeline。\n2. 模型联合的深度算子优化：结合多模态理解生成场景，通过算子融合，定制Attention、MoE等算子，并达到SOTA的训推MFU。\n3. 模型加速工程：使用蒸馏、量化、剪支等加速技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点。\n4. AI创新应用落地支撑：作为算力基座的核心支撑，支持行业顶尖的多模态生成模型在 AI 创新应用场景的业务落地，解决工业级大模型训练中的迭代基建问题，确保模型从训练到应用的顺畅衔接。",
"requirements_text": "1. 计算机相关专业背景，有极佳的工程实现能力，精通 C/C++ 与 Python；具备扎实的数据结构与算法功底，熟练掌握 GDB / Nsight 等调试与性能分析工具。\n2. 对大模型训推框架，以及其中的并行优化技术的原理有深刻的理解，有大模型分布式训练工程经验者优先。\n3. 对Diffusion、LLM大模型结构及其核心算法原理有深入理解，对模型加速、量化、蒸馏算法工程有实践经验者优先。\n4. 熟悉异构计算体系结构，有CUDA、Triton 和 Cutlass 等硬件 DSL编程经验者优先。\n5. 加分项：对钻研技术有热情，勤于动手，善于动脑，不惧困难。",
"skills": [AI生成
"Python",
"C++",
"CUDA",
"数据结构",
"大语言模型",
"C语言"
],
"preferred_qualifications": "2. 对大模型训推框架，以及其中的并行优化技术的原理有深刻的理解，有大模型分布式训练工程经验者优先；3. 对Diffusion、LLM大模型结构及其核心算法原理有深入理解，对模型加速、量化、蒸馏算法工程有实践经验者优先；4. 熟悉异构计算体系结构，有CUDA、Triton 和 Cutlass 等硬件 DSL编程经验者优先；5. 加分项：对钻研技术有热情，勤于动手，善于动脑，不惧困难",
"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=100014040009"
}
]
},
"posting": {
"posting_id": "100014040009",
"post_date": "2026-09-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100014040009"
},
"fulltext": "智能引擎-多模态/世界模型基础架构研发工程师/高级专家-AI Infra\n智能引擎-多模态/世界模型基础架构研发工程师/高级专家-AI Infra\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n1. 多模态/世界模型训推架构：负责万亿参数多模态理解、多模态生成模型、世界模型分布式训推框架的设计和实现。通过5D并行策略、细粒度显存优化、通信计算Overlap等手段，实现多模态场景高效的预训练/后训练Pipeline。\n2. 模型联合的深度算子优化：结合多模态理解生成场景，通过算子融合，定制Attention、MoE等算子，并达到SOTA的训推MFU。\n3. 模型加速工程：使用蒸馏、量化、剪支等加速技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点。\n4. AI创新应用落地支撑：作为算力基座的核心支撑，支持行业顶尖的多模态生成模型在 AI 创新应用场景的业务落地，解决工业级大模型训练中的迭代基建问题，确保模型从训练到应用的顺畅衔接。\n\n职位要求\n1. 计算机相关专业背景，有极佳的工程实现能力，精通 C/C++ 与 Python；具备扎实的数据结构与算法功底，熟练掌握 GDB / Nsight 等调试与性能分析工具。\n2. 对大模型训推框架，以及其中的并行优化技术的原理有深刻的理解，有大模型分布式训练工程经验者优先。\n3. 对Diffusion、LLM大模型结构及其核心算法原理有深入理解，对模型加速、量化、蒸馏算法工程有实践经验者优先。\n4. 熟悉异构计算体系结构，有CUDA、Triton 和 Cutlass 等硬件 DSL编程经验者优先。\n5. 加分项：对钻研技术有热情，勤于动手，善于动脑，不惧困难。\n1. 多模态/世界模型训推架构：负责万亿参数多模态理解、多模态生成模型、世界模型分布式训推框架的设计和实现。通过5D并行策略、细粒度显存优化、通信计算Overlap等手段，实现多模态场景高效的预训练/后训练Pipeline。\n2. 模型联合的深度算子优化：结合多模态理解生成场景，通过算子融合，定制Attention、MoE等算子，并达到SOTA的训推MFU。\n3. 模型加速工程：使用蒸馏、量化、剪支等加速技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点。\n4. AI创新应用落地支撑：作为算力基座的核心支撑，支持行业顶尖的多模态生成模型在 AI 创新应用场景的业务落地，解决工业级大模型训练中的迭代基建问题，确保模型从训练到应用的顺畅衔接。\n1. 计算机相关专业背景，有极佳的工程实现能力，精通 C/C++ 与 Python；具备扎实的数据结构与算法功底，熟练掌握 GDB / Nsight 等调试与性能分析工具。\n2. 对大模型训推框架，以及其中的并行优化技术的原理有深刻的理解，有大模型分布式训练工程经验者优先。\n3. 对Diffusion、LLM大模型结构及其核心算法原理有深入理解，对模型加速、量化、蒸馏算法工程有实践经验者优先。\n4. 熟悉异构计算体系结构，有CUDA、Triton 和 Cutlass 等硬件 DSL编程经验者优先。\n5. 加分项：对钻研技术有热情，勤于动手，善于动脑，不惧困难。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}