{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI开源框架在真武AI芯片上的性能分析与深度优化研究-阿里星",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "平头哥",
        "location": "上海",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "平头哥",
        "company_industry": "半导体 / 芯片设计",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "平头哥研发计算、存储及网络芯片，为人工智能基础设施提供支持。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机科学、电子工程、集成电路等相关专业硕士及以上学历",
        "language": "5.具备敏锐的技术洞察力与强烈的自驱力，能够主动追踪前沿技术动态并推动技术突破，具备良好的学术写作与英文沟通能力",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.作为阿里星顶尖人才计划的一员，主导主流开源 AI 框架在真武芯片上的深度适配与性能优化，构建从训练到推理的完整高性能框架技术栈，涵盖主流SOTA框架，支撑 SOTA 大模型在自研芯片上的极致部署；\n2.构建覆盖端到端、算子级、Kernel 级的多粒度性能 Profiling 与基准测试体系，系统化定位真武芯片与开源框架交互中的性能瓶颈，形成可复用的性能调优方法论与工程实践 ；\n3.深入 SOTA AI 框架与模型的原理演进研究，持续开展业界竞品分析，挖掘真武芯片的差异化架构优势，制定针对性优化策略并推动落地，构建芯片的核心竞争力 ；\n4.面向主流开源社区贡献高质量代码与技术成果，提升真武芯片在 AI 框架生态中的影响力与技术话语权；同时为芯片客户提供深入的问题分析与定制化解决方案，直接服务核心业务 ；\n5.基于框架适配中积累的性能数据与瓶颈洞察，构建关键场景的性能预测与仿真模型，在芯片设计阶段提前进行精度与性能验证；与计算加速库、通信库、编译器、CMODEL 等团队紧密协作，为芯片架构演进与 AI 软件栈优化提供框架层面的深度洞察，你的研究成果将直接影响芯片的核心竞争力与生态建设。",
        "requirements_text": "1.计算机科学、电子工程、集成电路等相关专业硕士及以上学历；\n2.在深度学习系统、分布式计算、AI 框架或相关领域有深入研究经验，具备独立开展前沿课题研究的能力；\n3.精通 Python 与 C/C++，对数据结构与算法、操作系统、计算机体系结构有深刻理解，对主流深度学习框架底层实现有深入理解 ；\n4.熟悉 PyTorch、vLLM、SGLang、DeepSpeed、Megatron、Slime、Warp 等主流框架中至少一个的源码架构与核心机制，具备框架级性能分析与调优实战经验；\n5.具备敏锐的技术洞察力与强烈的自驱力，能够主动追踪前沿技术动态并推动技术突破，具备良好的学术写作与英文沟通能力。\n加分项：\n1.参与过知名开源 AI 框架项目（如 PyTorch、vLLM、SGLang、DeepSpeed 等）并有实质性代码贡献；\n2.在 MLSys、OSDI、SOSP、PPoPP、ASPLOS 等会议发表过相关论文；\n3.有大模型推理优化（如量化、KV Cache 管理、Speculative Decoding、PD 分离等）或分布式训练优化的实践经验；\n4.有性能预测、仿真建模相关研究或工程经验；\n5.在 ACM-ICPC、数学建模或各类 AI 性能挑战赛中取得过优异成绩。",
        "skills": [AI生成
            "Python",
            "C++",
            "PyTorch",
            "深度学习",
            "数据结构",
            "沟通能力",
            "建模",
            "大语言模型",
            "C语言"
        ],
        "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/199907620050?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907620050",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907620050?deptCodes="
    },
    "fulltext": "AI开源框架在真武AI芯片上的性能分析与深度优化研究-阿里星\nAI开源框架在真武AI芯片上的性能分析与深度优化研究-阿里星\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：上海\n\n职位描述\n1.作为阿里星顶尖人才计划的一员，主导主流开源 AI 框架在真武芯片上的深度适配与性能优化，构建从训练到推理的完整高性能框架技术栈，涵盖主流SOTA框架，支撑 SOTA 大模型在自研芯片上的极致部署；\n2.构建覆盖端到端、算子级、Kernel 级的多粒度性能 Profiling 与基准测试体系，系统化定位真武芯片与开源框架交互中的性能瓶颈，形成可复用的性能调优方法论与工程实践 ；\n3.深入 SOTA AI 框架与模型的原理演进研究，持续开展业界竞品分析，挖掘真武芯片的差异化架构优势，制定针对性优化策略并推动落地，构建芯片的核心竞争力 ；\n4.面向主流开源社区贡献高质量代码与技术成果，提升真武芯片在 AI 框架生态中的影响力与技术话语权；同时为芯片客户提供深入的问题分析与定制化解决方案，直接服务核心业务 ；\n5.基于框架适配中积累的性能数据与瓶颈洞察，构建关键场景的性能预测与仿真模型，在芯片设计阶段提前进行精度与性能验证；与计算加速库、通信库、编译器、CMODEL 等团队紧密协作，为芯片架构演进与 AI 软件栈优化提供框架层面的深度洞察，你的研究成果将直接影响芯片的核心竞争力与生态建设。\n\n职位要求\n1.计算机科学、电子工程、集成电路等相关专业硕士及以上学历；\n2.在深度学习系统、分布式计算、AI 框架或相关领域有深入研究经验，具备独立开展前沿课题研究的能力；\n3.精通 Python 与 C/C++，对数据结构与算法、操作系统、计算机体系结构有深刻理解，对主流深度学习框架底层实现有深入理解 ；\n4.熟悉 PyTorch、vLLM、SGLang、DeepSpeed、Megatron、Slime、Warp 等主流框架中至少一个的源码架构与核心机制，具备框架级性能分析与调优实战经验；\n5.具备敏锐的技术洞察力与强烈的自驱力，能够主动追踪前沿技术动态并推动技术突破，具备良好的学术写作与英文沟通能力。\n加分项：\n1.参与过知名开源 AI 框架项目（如 PyTorch、vLLM、SGLang、DeepSpeed 等）并有实质性代码贡献；\n2.在 MLSys、OSDI、SOSP、PPoPP、ASPLOS 等会议发表过相关论文；\n3.有大模型推理优化（如量化、KV Cache 管理、Speculative Decoding、PD 分离等）或分布式训练优化的实践经验；\n4.有性能预测、仿真建模相关研究或工程经验；\n5.在 ACM-ICPC、数学建模或各类 AI 性能挑战赛中取得过优异成绩。\n\n在招业务\n平头哥\n1.作为阿里星顶尖人才计划的一员，主导主流开源 AI 框架在真武芯片上的深度适配与性能优化，构建从训练到推理的完整高性能框架技术栈，涵盖主流SOTA框架，支撑 SOTA 大模型在自研芯片上的极致部署；\n2.构建覆盖端到端、算子级、Kernel 级的多粒度性能 Profiling 与基准测试体系，系统化定位真武芯片与开源框架交互中的性能瓶颈，形成可复用的性能调优方法论与工程实践 ；\n3.深入 SOTA AI 框架与模型的原理演进研究，持续开展业界竞品分析，挖掘真武芯片的差异化架构优势，制定针对性优化策略并推动落地，构建芯片的核心竞争力 ；\n4.面向主流开源社区贡献高质量代码与技术成果，提升真武芯片在 AI 框架生态中的影响力与技术话语权；同时为芯片客户提供深入的问题分析与定制化解决方案，直接服务核心业务 ；\n5.基于框架适配中积累的性能数据与瓶颈洞察，构建关键场景的性能预测与仿真模型，在芯片设计阶段提前进行精度与性能验证；与计算加速库、通信库、编译器、CMODEL 等团队紧密协作，为芯片架构演进与 AI 软件栈优化提供框架层面的深度洞察，你的研究成果将直接影响芯片的核心竞争力与生态建设。\n1.计算机科学、电子工程、集成电路等相关专业硕士及以上学历；\n2.在深度学习系统、分布式计算、AI 框架或相关领域有深入研究经验，具备独立开展前沿课题研究的能力；\n3.精通 Python 与 C/C++，对数据结构与算法、操作系统、计算机体系结构有深刻理解，对主流深度学习框架底层实现有深入理解 ；\n4.熟悉 PyTorch、vLLM、SGLang、DeepSpeed、Megatron、Slime、Warp 等主流框架中至少一个的源码架构与核心机制，具备框架级性能分析与调优实战经验；\n5.具备敏锐的技术洞察力与强烈的自驱力，能够主动追踪前沿技术动态并推动技术突破，具备良好的学术写作与英文沟通能力。\n加分项：\n1.参与过知名开源 AI 框架项目（如 PyTorch、vLLM、SGLang、DeepSpeed 等）并有实质性代码贡献；\n2.在 MLSys、OSDI、SOSP、PPoPP、ASPLOS 等会议发表过相关论文；\n3.有大模型推理优化（如量化、KV Cache 管理、Speculative Decoding、PD 分离等）或分布式训练优化的实践经验；\n4.有性能预测、仿真建模相关研究或工程经验；\n5.在 ACM-ICPC、数学建模或各类 AI 性能挑战赛中取得过优异成绩。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}