主分类：云基础设施与系统软件研发
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": "达摩院-工具链专家-计算技术",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "技术-芯片"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": 5,
"degree": "计算机、软件工程或电子工程相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "作为工具链专家，你将负责 AI 芯片开发者工具体系的核心架构设计与关键模块交付，覆盖性能调优（Insight）、调试诊断（GDB/CoreDump 增强）、系统管理（DCGM/SMI）和云原生运维（K8S GPU Operator）四大工具线。你的核心使命是在 Tapeout 窗口期内，推动工具链从单机可用走向集群化、可编程化、产品化，对标 NVIDIA Nsight/DCGM/NVML 生态，构建 Profiling → Debugging → Root Cause Analysis 的一体化工作流。你还需要在架构层面为 AI Agent 集成预留标准化接口，让工具链的能力能被上层自动化系统和智能 Agent 稳定调用，最终将内部工具转化为可对外交付的开发者产品。",
"requirements_text": "1. 计算机、软件工程或电子工程相关专业本科及以上学历，5 年以上系统软件或工具链开发经验，其中至少 2 年专注于 GPU/加速器工具链或高性能计算基础设施方向。\n2. 要求精通 C/C++（底层采集、GDB 扩展、CoreDump 解析）和 Python（上层 CLI、SDK、数据分析），深入理解 Linux 内核调试子系统（perf、ftrace、eBPF、kgdb）、PCIe 错误处理和设备驱动模型。\n3. 熟悉 Kubernetes 扩展机制（Device Plugin、Operator Pattern）及 GPU 虚拟化技术（MIG、vGPU）。\n4. 具备 NVIDIA Nsight/DCGM/NVML 或同类工具（ROCm rocprof、Intel VTune）的架构理解或开发经验者优先。\n5. 有大规模集群（千节点以上）运维工具建设经验者优先。\n6. 要求具备强烈的产品化意识，关注工具的易用性、接口规范性和文档完整度，能与驱动、编译器、框架团队紧密协作，将领域 Know-how 转化为稳定可交付的工具能力。",
"skills": [AI生成
"Python",
"C++",
"Linux",
"Kubernetes",
"数据分析",
"C语言"
],
"preferred_qualifications": "4. 具备 NVIDIA Nsight/DCGM/NVML 或同类工具（ROCm rocprof、Intel VTune）的架构理解或开发经验者优先；5. 有大规模集群（千节点以上）运维工具建设经验者优先",
"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=100021020010"
}
]
},
"posting": {
"posting_id": "100021020010",
"post_date": "2026-08-27",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100021020010"
},
"fulltext": "达摩院-工具链专家-计算技术\n达摩院-工具链专家-计算技术\n\n基础信息\n职位类别：技术-芯片\n工作地点：杭州 / 上海\n\n职位描述\n作为工具链专家，你将负责 AI 芯片开发者工具体系的核心架构设计与关键模块交付，覆盖性能调优（Insight）、调试诊断（GDB/CoreDump 增强）、系统管理（DCGM/SMI）和云原生运维（K8S GPU Operator）四大工具线。你的核心使命是在 Tapeout 窗口期内，推动工具链从单机可用走向集群化、可编程化、产品化，对标 NVIDIA Nsight/DCGM/NVML 生态，构建 Profiling → Debugging → Root Cause Analysis 的一体化工作流。你还需要在架构层面为 AI Agent 集成预留标准化接口，让工具链的能力能被上层自动化系统和智能 Agent 稳定调用，最终将内部工具转化为可对外交付的开发者产品。\n\n职位要求\n1. 计算机、软件工程或电子工程相关专业本科及以上学历，5 年以上系统软件或工具链开发经验，其中至少 2 年专注于 GPU/加速器工具链或高性能计算基础设施方向。\n2. 要求精通 C/C++（底层采集、GDB 扩展、CoreDump 解析）和 Python（上层 CLI、SDK、数据分析），深入理解 Linux 内核调试子系统（perf、ftrace、eBPF、kgdb）、PCIe 错误处理和设备驱动模型。\n3. 熟悉 Kubernetes 扩展机制（Device Plugin、Operator Pattern）及 GPU 虚拟化技术（MIG、vGPU）。\n4. 具备 NVIDIA Nsight/DCGM/NVML 或同类工具（ROCm rocprof、Intel VTune）的架构理解或开发经验者优先。\n5. 有大规模集群（千节点以上）运维工具建设经验者优先。\n6. 要求具备强烈的产品化意识，关注工具的易用性、接口规范性和文档完整度，能与驱动、编译器、框架团队紧密协作，将领域 Know-how 转化为稳定可交付的工具能力。\n作为工具链专家，你将负责 AI 芯片开发者工具体系的核心架构设计与关键模块交付，覆盖性能调优（Insight）、调试诊断（GDB/CoreDump 增强）、系统管理（DCGM/SMI）和云原生运维（K8S GPU Operator）四大工具线。你的核心使命是在 Tapeout 窗口期内，推动工具链从单机可用走向集群化、可编程化、产品化，对标 NVIDIA Nsight/DCGM/NVML 生态，构建 Profiling → Debugging → Root Cause Analysis 的一体化工作流。你还需要在架构层面为 AI Agent 集成预留标准化接口，让工具链的能力能被上层自动化系统和智能 Agent 稳定调用，最终将内部工具转化为可对外交付的开发者产品。\n1. 计算机、软件工程或电子工程相关专业本科及以上学历，5 年以上系统软件或工具链开发经验，其中至少 2 年专注于 GPU/加速器工具链或高性能计算基础设施方向。\n2. 要求精通 C/C++（底层采集、GDB 扩展、CoreDump 解析）和 Python（上层 CLI、SDK、数据分析），深入理解 Linux 内核调试子系统（perf、ftrace、eBPF、kgdb）、PCIe 错误处理和设备驱动模型。\n3. 熟悉 Kubernetes 扩展机制（Device Plugin、Operator Pattern）及 GPU 虚拟化技术（MIG、vGPU）。\n4. 具备 NVIDIA Nsight/DCGM/NVML 或同类工具（ROCm rocprof、Intel VTune）的架构理解或开发经验者优先。\n5. 有大规模集群（千节点以上）运维工具建设经验者优先。\n6. 要求具备强烈的产品化意识，关注工具的易用性、接口规范性和文档完整度，能与驱动、编译器、框架团队紧密协作，将领域 Know-how 转化为稳定可交付的工具能力。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}