职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:100014703001

阿里云智能-虚拟化系统研发专家(Hypervisor & AI Infra)-杭州

未披露 · 杭州 · 阿里云

主分类:云基础设施与系统软件研发
软件开发与 IT
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-虚拟化系统研发专家(Hypervisor & AI Infra)-杭州",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "云智能集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "软件研发"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": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、主导/参与面向 Intel/AMD/ARM 新一代服务器平台的虚拟化核心模块研发,完成新硬件特性在 Dragonfly Hypervisor 中的使能与深度优化;\n2、设计并实现虚拟化下高性能、轻量级VMM方案,支撑 AI 训练/推理、Agent 沙箱等新型负载的隔离性、性能与启动速度;\n3、 研发与优化软硬协同的隔离方案(内存/IO/中断/设备粒度),提升多租户场景下的安全性、确定性与资源保障能力;\n4、基于神龙硬件平台,设计并落地加速卸载方案,持续降低虚拟化开销、提升端到端吞吐与延迟;\n5、持续演进热迁移/热升级/热插拔技术,在百万级实例规模下保障业务零感知、高成功率、秒级收敛;\n6、构建虚拟化可信执行环境(vTPM/TCM 集成、机密计算支持、启动度量与远程证明),打造云上可信基础设施底座;\n7、深入客户一线,主导复杂性能瓶颈分析、稳定性根因定位与系统级调优,输出可复用的方法论与工具链;\n8、参与下一代 Dragonfly Hypervisor 的架构设计——面向 AI Infra 与 Agent 运行时需求,定义轻量、弹性、可扩展、可观测的新一代虚拟化范式。",
        "requirements_text": "1、5年以上相关工作经验,计算机或相关专业,有大型云厂商虚拟化/内核/系统软件研发经历,或主导过从0到1的虚拟化模块设计与落地优先;\n2、熟悉 x86 或ARM、RISC-V 体系结构,深入理解 CPU/内存/中断/IO 虚拟化原理;精通 Linux 内核关键子系统(调度、内存管理、cgroups、RAS),具备内核态开发与深度调试(kdump/ftrace/perf)实战经验优先;\n3、具备扎实的 C/C++ 编程能力,熟悉 QEMU/KVM/Xen 等主流开源虚拟化项目源码者优先;\n4、有神龙平台、智能网卡(DPU)、GPU/ASIC 加速卡、DPDK/SPDK 开发或协同优化经验优先;\n5、熟悉容器运行时底层(gVisor/Kata/Firecracker/Rust VMM)、eBPF、安全容器(Nabla、gVisor sandbox)或可信计算(TPM/vTPM、SGX、TDX)优先;\n6、具备 AI 工作负载(PyTorch/Triton/LLM 推理)在虚拟化环境下性能调优或资源隔离实践经验优先;\n7、有强烈技术热情和好奇心,自驱力和学习力强;具备良好的分析与解决问题的能力、沟通以及团队合作能力;喜欢挑战性的技术研发工作,善于攻坚克难,有创新热情,积极乐观,坚韧抗压,结果导向,能够持续推动问题的解决和突破;\n8、掌握AI基础知识,掌握基础提示词工程,会使用Al专业工具,集成AI到个人工作流;有AI相关开发工具应用研发经验者优先,持有阿里云ACA/ACP/ACE认证证书者优先。",
        "skills": [AI生成
            "C++",
            "Rust",
            "Linux",
            "PyTorch",
            "性能调优",
            "团队协作",
            "解决问题",
            "大语言模型",
            "C语言"
        ],
        "preferred_qualifications": "1、5年以上相关工作经验,计算机或相关专业,有大型云厂商虚拟化/内核/系统软件研发经历,或主导过从0到1的虚拟化模块设计与落地优先;精通 Linux 内核关键子系统(调度、内存管理、cgroups、RAS),具备内核态开发与深度调试(kdump/ftrace/perf)实战经验优先;3、具备扎实的 C/C++ 编程能力,熟悉 QEMU/KVM/Xen 等主流开源虚拟化项目源码者优先;4、有神龙平台、智能网卡(DPU)、GPU/ASIC 加速卡、DPDK/SPDK 开发或协同优化经验优先;5、熟悉容器运行时底层(gVisor/Kata/Firecracker/Rust VMM)、eBPF、安全容器(Nabla、gVisor sandbox)或可信计算(TPM/vTPM、SGX、TDX)优先;6、具备 AI 工作负载(PyTorch/Triton/LLM 推理)在虚拟化环境下性能调优或资源隔离实践经验优先;有AI相关开发工具应用研发经验者优先,持有阿里云ACA/ACP/ACE认证证书者优先",
        "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=100014703001"
            }
        ]
    },
    "posting": {
        "posting_id": "100014703001",
        "post_date": "2026-08-23",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100014703001"
    },
    "fulltext": "阿里云智能-虚拟化系统研发专家(Hypervisor & AI Infra)-杭州\n阿里云智能-虚拟化系统研发专家(Hypervisor & AI Infra)-杭州\n\n基础信息\n工作地点:杭州\n\n职位描述\n1、主导/参与面向 Intel/AMD/ARM 新一代服务器平台的虚拟化核心模块研发,完成新硬件特性在 Dragonfly Hypervisor 中的使能与深度优化;\n2、设计并实现虚拟化下高性能、轻量级VMM方案,支撑 AI 训练/推理、Agent 沙箱等新型负载的隔离性、性能与启动速度;\n3、 研发与优化软硬协同的隔离方案(内存/IO/中断/设备粒度),提升多租户场景下的安全性、确定性与资源保障能力;\n4、基于神龙硬件平台,设计并落地加速卸载方案,持续降低虚拟化开销、提升端到端吞吐与延迟;\n5、持续演进热迁移/热升级/热插拔技术,在百万级实例规模下保障业务零感知、高成功率、秒级收敛;\n6、构建虚拟化可信执行环境(vTPM/TCM 集成、机密计算支持、启动度量与远程证明),打造云上可信基础设施底座;\n7、深入客户一线,主导复杂性能瓶颈分析、稳定性根因定位与系统级调优,输出可复用的方法论与工具链;\n8、参与下一代 Dragonfly Hypervisor 的架构设计——面向 AI Infra 与 Agent 运行时需求,定义轻量、弹性、可扩展、可观测的新一代虚拟化范式。\n\n职位要求\n1、5年以上相关工作经验,计算机或相关专业,有大型云厂商虚拟化/内核/系统软件研发经历,或主导过从0到1的虚拟化模块设计与落地优先;\n2、熟悉 x86 或ARM、RISC-V 体系结构,深入理解 CPU/内存/中断/IO 虚拟化原理;精通 Linux 内核关键子系统(调度、内存管理、cgroups、RAS),具备内核态开发与深度调试(kdump/ftrace/perf)实战经验优先;\n3、具备扎实的 C/C++ 编程能力,熟悉 QEMU/KVM/Xen 等主流开源虚拟化项目源码者优先;\n4、有神龙平台、智能网卡(DPU)、GPU/ASIC 加速卡、DPDK/SPDK 开发或协同优化经验优先;\n5、熟悉容器运行时底层(gVisor/Kata/Firecracker/Rust VMM)、eBPF、安全容器(Nabla、gVisor sandbox)或可信计算(TPM/vTPM、SGX、TDX)优先;\n6、具备 AI 工作负载(PyTorch/Triton/LLM 推理)在虚拟化环境下性能调优或资源隔离实践经验优先;\n7、有强烈技术热情和好奇心,自驱力和学习力强;具备良好的分析与解决问题的能力、沟通以及团队合作能力;喜欢挑战性的技术研发工作,善于攻坚克难,有创新热情,积极乐观,坚韧抗压,结果导向,能够持续推动问题的解决和突破;\n8、掌握AI基础知识,掌握基础提示词工程,会使用Al专业工具,集成AI到个人工作流;有AI相关开发工具应用研发经验者优先,持有阿里云ACA/ACP/ACE认证证书者优先。\n1、主导/参与面向 Intel/AMD/ARM 新一代服务器平台的虚拟化核心模块研发,完成新硬件特性在 Dragonfly Hypervisor 中的使能与深度优化;\n2、设计并实现虚拟化下高性能、轻量级VMM方案,支撑 AI 训练/推理、Agent 沙箱等新型负载的隔离性、性能与启动速度;\n3、 研发与优化软硬协同的隔离方案(内存/IO/中断/设备粒度),提升多租户场景下的安全性、确定性与资源保障能力;\n4、基于神龙硬件平台,设计并落地加速卸载方案,持续降低虚拟化开销、提升端到端吞吐与延迟;\n5、持续演进热迁移/热升级/热插拔技术,在百万级实例规模下保障业务零感知、高成功率、秒级收敛;\n6、构建虚拟化可信执行环境(vTPM/TCM 集成、机密计算支持、启动度量与远程证明),打造云上可信基础设施底座;\n7、深入客户一线,主导复杂性能瓶颈分析、稳定性根因定位与系统级调优,输出可复用的方法论与工具链;\n8、参与下一代 Dragonfly Hypervisor 的架构设计——面向 AI Infra 与 Agent 运行时需求,定义轻量、弹性、可扩展、可观测的新一代虚拟化范式。\n1、5年以上相关工作经验,计算机或相关专业,有大型云厂商虚拟化/内核/系统软件研发经历,或主导过从0到1的虚拟化模块设计与落地优先;\n2、熟悉 x86 或ARM、RISC-V 体系结构,深入理解 CPU/内存/中断/IO 虚拟化原理;精通 Linux 内核关键子系统(调度、内存管理、cgroups、RAS),具备内核态开发与深度调试(kdump/ftrace/perf)实战经验优先;\n3、具备扎实的 C/C++ 编程能力,熟悉 QEMU/KVM/Xen 等主流开源虚拟化项目源码者优先;\n4、有神龙平台、智能网卡(DPU)、GPU/ASIC 加速卡、DPDK/SPDK 开发或协同优化经验优先;\n5、熟悉容器运行时底层(gVisor/Kata/Firecracker/Rust VMM)、eBPF、安全容器(Nabla、gVisor sandbox)或可信计算(TPM/vTPM、SGX、TDX)优先;\n6、具备 AI 工作负载(PyTorch/Triton/LLM 推理)在虚拟化环境下性能调优或资源隔离实践经验优先;\n7、有强烈技术热情和好奇心,自驱力和学习力强;具备良好的分析与解决问题的能力、沟通以及团队合作能力;喜欢挑战性的技术研发工作,善于攻坚克难,有创新热情,积极乐观,坚韧抗压,结果导向,能够持续推动问题的解决和突破;\n8、掌握AI基础知识,掌握基础提示词工程,会使用Al专业工具,集成AI到个人工作流;有AI相关开发工具应用研发经验者优先,持有阿里云ACA/ACP/ACE认证证书者优先。",
    "standard_classification": {
        "std_category_code": "T018",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}