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": "研究型实习生-面向下一代AI应用的推理加速方案",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里巴巴控股集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "AI Infra"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "下一代AI应用场景复杂多样，对推理加速提出迫切需求。我们将系统性探索从服务化优化提升资源效能，到前沿压缩算法设计，再到高性能算子优化等关键层面，致力于构建一套灵活、高效的推理加速体系，为下一代AI技术的广泛落地与创新突破注入强劲动力。在这里，你将拥有充分的探索空间和资源支持，和我们一起挑战具有业界影响力的高价值课题。\n核心职责与挑战\n我们希望你对技术充满好奇，并具备出色的动手能力。在导师的指导下，你将参与到以下一项或多项富有挑战的工作中：\n1. 下一代生成模型推理技术探索:\na. LLM/MLLM: 探索针对AR的生成特点，探索超高倍投机采样、模型压缩、efficient attention、蒸馏等技术。\nb. Diffusion: 探索sparse attention、cache、采样步数消减等技术。\nc. 软硬结合的优化技术：探索极低比特量化、稀疏计算等硬件依赖的前沿加速技术。\n2. 极致性能的推理引擎工程实践:\na. 深入分析与优化现有推理框架（如vLLM, TensorRT-LLM等）的性能瓶颈，进行从算子到系统层面的全栈优化。\nb. 精通CUDA/CUTLASS/Triton等底层编程技术，针对新型Transformer架构变种，手写高性能算子，压榨硬件的每一分潜力。\nc. 设计和实现高效的KV Cache管理与压缩方案，优化请求调度与批处理策略，最大化系统吞吐并降低延迟。",
"requirements_text": "1. 技术能力：\na. 具备良好的C++/Python编程基础和代码实践能力。\nb. 熟悉PyTorch。\nc. 对底层技术有浓厚兴趣，渴望深入了解GPU架构与高性能计算。\n2. 综合素质：\na. 具备强烈的求知欲、好奇心和主动性，能快速学习新知识、新工具。\nb. 良好的逻辑思维能力和解决问题的热情。\nc. 积极的沟通态度和团队协作精神。\n3、实习时间要求（必须满足）：能保证连续实习6个月及以上。\n加分项\n1. 有相关领域（机器学习、高性能计算、体系结构等）的论文发表。\n2. 熟悉GPU编程（CUDA），并有相关的项目或实践经验。\n3. 有开源社区贡献经验（例如vLLM, PyTorch, Triton等）。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"CUDA",
"机器学习",
"团队协作",
"解决问题",
"逻辑思维"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199906240001?deptCodes="
}
]
},
"posting": {
"posting_id": "199906240001",
"post_date": "2026-06-11",
"hire_time": "3、实习时间要求（必须满足）：能保证连续实习6个月及以上",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199906240001?deptCodes="
},
"fulltext": "研究型实习生-面向下一代AI应用的推理加速方案\n研究型实习生-面向下一代AI应用的推理加速方案\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\n职位类别：AI Infra\n招聘项目：阿里巴巴研究型实习生\n工作地点：北京 / 杭州\n\n职位描述\n下一代AI应用场景复杂多样，对推理加速提出迫切需求。我们将系统性探索从服务化优化提升资源效能，到前沿压缩算法设计，再到高性能算子优化等关键层面，致力于构建一套灵活、高效的推理加速体系，为下一代AI技术的广泛落地与创新突破注入强劲动力。在这里，你将拥有充分的探索空间和资源支持，和我们一起挑战具有业界影响力的高价值课题。\n核心职责与挑战\n我们希望你对技术充满好奇，并具备出色的动手能力。在导师的指导下，你将参与到以下一项或多项富有挑战的工作中：\n1. 下一代生成模型推理技术探索:\na. LLM/MLLM: 探索针对AR的生成特点，探索超高倍投机采样、模型压缩、efficient attention、蒸馏等技术。\nb. Diffusion: 探索sparse attention、cache、采样步数消减等技术。\nc. 软硬结合的优化技术：探索极低比特量化、稀疏计算等硬件依赖的前沿加速技术。\n2. 极致性能的推理引擎工程实践:\na. 深入分析与优化现有推理框架（如vLLM, TensorRT-LLM等）的性能瓶颈，进行从算子到系统层面的全栈优化。\nb. 精通CUDA/CUTLASS/Triton等底层编程技术，针对新型Transformer架构变种，手写高性能算子，压榨硬件的每一分潜力。\nc. 设计和实现高效的KV Cache管理与压缩方案，优化请求调度与批处理策略，最大化系统吞吐并降低延迟。\n\n职位要求\n1. 技术能力：\na. 具备良好的C++/Python编程基础和代码实践能力。\nb. 熟悉PyTorch。\nc. 对底层技术有浓厚兴趣，渴望深入了解GPU架构与高性能计算。\n2. 综合素质：\na. 具备强烈的求知欲、好奇心和主动性，能快速学习新知识、新工具。\nb. 良好的逻辑思维能力和解决问题的热情。\nc. 积极的沟通态度和团队协作精神。\n3、实习时间要求（必须满足）：能保证连续实习6个月及以上。\n加分项\n1. 有相关领域（机器学习、高性能计算、体系结构等）的论文发表。\n2. 熟悉GPU编程（CUDA），并有相关的项目或实践经验。\n3. 有开源社区贡献经验（例如vLLM, PyTorch, Triton等）。\n\n在招业务\n阿里巴巴控股集团\n下一代AI应用场景复杂多样，对推理加速提出迫切需求。我们将系统性探索从服务化优化提升资源效能，到前沿压缩算法设计，再到高性能算子优化等关键层面，致力于构建一套灵活、高效的推理加速体系，为下一代AI技术的广泛落地与创新突破注入强劲动力。在这里，你将拥有充分的探索空间和资源支持，和我们一起挑战具有业界影响力的高价值课题。\n核心职责与挑战\n我们希望你对技术充满好奇，并具备出色的动手能力。在导师的指导下，你将参与到以下一项或多项富有挑战的工作中：\n1. 下一代生成模型推理技术探索:\na. LLM/MLLM: 探索针对AR的生成特点，探索超高倍投机采样、模型压缩、efficient attention、蒸馏等技术。\nb. Diffusion: 探索sparse attention、cache、采样步数消减等技术。\nc. 软硬结合的优化技术：探索极低比特量化、稀疏计算等硬件依赖的前沿加速技术。\n2. 极致性能的推理引擎工程实践:\na. 深入分析与优化现有推理框架（如vLLM, TensorRT-LLM等）的性能瓶颈，进行从算子到系统层面的全栈优化。\nb. 精通CUDA/CUTLASS/Triton等底层编程技术，针对新型Transformer架构变种，手写高性能算子，压榨硬件的每一分潜力。\nc. 设计和实现高效的KV Cache管理与压缩方案，优化请求调度与批处理策略，最大化系统吞吐并降低延迟。\n1. 技术能力：\na. 具备良好的C++/Python编程基础和代码实践能力。\nb. 熟悉PyTorch。\nc. 对底层技术有浓厚兴趣，渴望深入了解GPU架构与高性能计算。\n2. 综合素质：\na. 具备强烈的求知欲、好奇心和主动性，能快速学习新知识、新工具。\nb. 良好的逻辑思维能力和解决问题的热情。\nc. 积极的沟通态度和团队协作精神。\n3、实习时间要求（必须满足）：能保证连续实习6个月及以上。\n加分项\n1. 有相关领域（机器学习、高性能计算、体系结构等）的论文发表。\n2. 熟悉GPU编程（CUDA），并有相关的项目或实践经验。\n3. 有开源社区贡献经验（例如vLLM, PyTorch, Triton等）。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}