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": "基础设施与稳定性工程-大规模训练调度及效率优化工程师-杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "工程建设/设施管理"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": "计算机相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责多模态生成、LLM 等核心模型的万卡级训练编排与调度系统建设，包括任务生命周期管理、资源调度、拓扑感知及排队策略优化；\n2.建设训练稳定性与容错能力，覆盖软硬件异常检测、故障定位、自动恢复和断点续训；\n3.完善训练可观测与效率分析体系，识别计算、通信、存储及资源调度等环节的性能瓶颈，推动资源利用率和训练效率极致优化；\n4.参与核心模型在国产异构卡上的训练适配与效率调优工作。",
"requirements_text": "1. 计算机相关专业本科及以上学历，熟练掌握 Golang/Python，具备良好的算法、数据结构及工程能力，熟悉分布式系统基本原理，有高性能系统研发经验者优先；\n2. 自驱、务实，对系统底层问题有钻研热情，具备复杂问题分析与排查能力，探索简洁高效的优化办法并推进落地解决；\n3. 了解并行计算、GPU 架构、网络通信、系统优化、集群架构等 HPC 相关的知识；有Megatron-LM/DeepSpeed/FSDP/NCCL 等训练框架或组件的优化经验者优先。",
"skills": [AI生成
"Python",
"Golang",
"数据结构",
"分布式系统",
"Go"
],
"preferred_qualifications": "1. 计算机相关专业本科及以上学历，熟练掌握 Golang/Python，具备良好的算法、数据结构及工程能力，熟悉分布式系统基本原理，有高性能系统研发经验者优先；有Megatron-LM/DeepSpeed/FSDP/NCCL 等训练框架或组件的优化经验者优先",
"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=100033920006"
}
]
},
"posting": {
"posting_id": "100033920006",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100033920006"
},
"fulltext": "基础设施与稳定性工程-大规模训练调度及效率优化工程师-杭州\n基础设施与稳定性工程-大规模训练调度及效率优化工程师-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n1.负责多模态生成、LLM 等核心模型的万卡级训练编排与调度系统建设，包括任务生命周期管理、资源调度、拓扑感知及排队策略优化；\n2.建设训练稳定性与容错能力，覆盖软硬件异常检测、故障定位、自动恢复和断点续训；\n3.完善训练可观测与效率分析体系，识别计算、通信、存储及资源调度等环节的性能瓶颈，推动资源利用率和训练效率极致优化；\n4.参与核心模型在国产异构卡上的训练适配与效率调优工作。\n\n职位要求\n1. 计算机相关专业本科及以上学历，熟练掌握 Golang/Python，具备良好的算法、数据结构及工程能力，熟悉分布式系统基本原理，有高性能系统研发经验者优先；\n2. 自驱、务实，对系统底层问题有钻研热情，具备复杂问题分析与排查能力，探索简洁高效的优化办法并推进落地解决；\n3. 了解并行计算、GPU 架构、网络通信、系统优化、集群架构等 HPC 相关的知识；有Megatron-LM/DeepSpeed/FSDP/NCCL 等训练框架或组件的优化经验者优先。\n1.负责多模态生成、LLM 等核心模型的万卡级训练编排与调度系统建设，包括任务生命周期管理、资源调度、拓扑感知及排队策略优化；\n2.建设训练稳定性与容错能力，覆盖软硬件异常检测、故障定位、自动恢复和断点续训；\n3.完善训练可观测与效率分析体系，识别计算、通信、存储及资源调度等环节的性能瓶颈，推动资源利用率和训练效率极致优化；\n4.参与核心模型在国产异构卡上的训练适配与效率调优工作。\n1. 计算机相关专业本科及以上学历，熟练掌握 Golang/Python，具备良好的算法、数据结构及工程能力，熟悉分布式系统基本原理，有高性能系统研发经验者优先；\n2. 自驱、务实，对系统底层问题有钻研热情，具备复杂问题分析与排查能力，探索简洁高效的优化办法并推进落地解决；\n3. 了解并行计算、GPU 架构、网络通信、系统优化、集群架构等 HPC 相关的知识；有Megatron-LM/DeepSpeed/FSDP/NCCL 等训练框架或组件的优化经验者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}