{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "面向真武AI芯片的高性能计算软件加速研究-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、电子、微电子等相关专业博士/硕士学历",
        "language": "5. 具备良好的学术写作与英文沟通能力，能独立撰写高质量论文并与国际同行进行技术交流",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.作为阿里星顶尖人才计划的一员，你将直面极具挑战性的 AI 计算问题，与硬件架构和芯片设计团队并肩，参与并推动 AI 软硬件协同生态的演进方向，打造一流的 AI 加速引擎。\n2.深入研究 Attention、MoE、GEMM、Conv 等模型架构与核心计算模式，设计并实现极致性能的计算内核，支撑大语言模型、自动驾驶、具身智能等核心场景的高效推理与训练；\n3.深入分析 AI 芯片硬件底层微架构特性，通过软硬协同设计榨干芯片每一份性能潜力；\n4.深度参与主流推理与训练框架（如 PyTorch、vLLM、SGLang）的性能优化，面向超节点、万卡集群等场景探索通算融合等前沿优化技术，落实 Qwen、DeepSeek 等千亿级参数模型的极速部署；\n5.追踪 AI 领域前沿的加速技术方案，与芯片架构团队紧密协作，共同定义下一代 AI 芯片的计算原语与编程模型，推动软硬一体的技术演进；\n6.探索并落地基于Agent 智能体的研发范式，将性能分析、代码生成与验证反馈串联为可迭代的自动化工作流，重新定义高性能计算研发的效率上限。",
        "requirements_text": "1. 计算机、电子、微电子等相关专业博士/硕士学历；\n2. 科研经历出色：在高性能计算、AI 系统、计算机体系结构或相关领域有深入的研究积累，具备独立开展前沿课题研究的能力；\n3. 精通 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，具备扎实的系统级思维和工程落地能力；\n4. 对软硬结合的技术方向有强烈热情——理解硬件约束如何驱动软件设计，乐于在芯片与算法的交叉地带寻找高效解；\n5. 具备良好的学术写作与英文沟通能力，能独立撰写高质量论文并与国际同行进行技术交流。\n加分项：\n1. 熟悉 CUDA / GPU 开发，有高性能计算（HPC）或深度学习等领域 kernel 开发优化实战经验；\n2. 有 PyTorch / vLLM / SGLang / CUTLASS / Triton 等主流开源项目的核心代码贡献经历；\n3. 熟悉大模型相关加速技术（如量化、KV Cache 管理、MoE 负载均衡、Speculative Decoding 等），并有对应的研究成果；\n4. 有 Agent 智能体进行代码生成、自动化调优或工作流编排的实践经验；\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
            "C++",
            "PyTorch",
            "CUDA",
            "深度学习",
            "数据结构",
            "沟通能力",
            "建模",
            "大语言模型",
            "智能体开发",
            "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/199907620051?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907620051",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907620051?deptCodes="
    },
    "fulltext": "面向真武AI芯片的高性能计算软件加速研究-阿里星\n面向真武AI芯片的高性能计算软件加速研究-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，你将直面极具挑战性的 AI 计算问题，与硬件架构和芯片设计团队并肩，参与并推动 AI 软硬件协同生态的演进方向，打造一流的 AI 加速引擎。\n2.深入研究 Attention、MoE、GEMM、Conv 等模型架构与核心计算模式，设计并实现极致性能的计算内核，支撑大语言模型、自动驾驶、具身智能等核心场景的高效推理与训练；\n3.深入分析 AI 芯片硬件底层微架构特性，通过软硬协同设计榨干芯片每一份性能潜力；\n4.深度参与主流推理与训练框架（如 PyTorch、vLLM、SGLang）的性能优化，面向超节点、万卡集群等场景探索通算融合等前沿优化技术，落实 Qwen、DeepSeek 等千亿级参数模型的极速部署；\n5.追踪 AI 领域前沿的加速技术方案，与芯片架构团队紧密协作，共同定义下一代 AI 芯片的计算原语与编程模型，推动软硬一体的技术演进；\n6.探索并落地基于Agent 智能体的研发范式，将性能分析、代码生成与验证反馈串联为可迭代的自动化工作流，重新定义高性能计算研发的效率上限。\n\n职位要求\n1. 计算机、电子、微电子等相关专业博士/硕士学历；\n2. 科研经历出色：在高性能计算、AI 系统、计算机体系结构或相关领域有深入的研究积累，具备独立开展前沿课题研究的能力；\n3. 精通 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，具备扎实的系统级思维和工程落地能力；\n4. 对软硬结合的技术方向有强烈热情——理解硬件约束如何驱动软件设计，乐于在芯片与算法的交叉地带寻找高效解；\n5. 具备良好的学术写作与英文沟通能力，能独立撰写高质量论文并与国际同行进行技术交流。\n加分项：\n1. 熟悉 CUDA / GPU 开发，有高性能计算（HPC）或深度学习等领域 kernel 开发优化实战经验；\n2. 有 PyTorch / vLLM / SGLang / CUTLASS / Triton 等主流开源项目的核心代码贡献经历；\n3. 熟悉大模型相关加速技术（如量化、KV Cache 管理、MoE 负载均衡、Speculative Decoding 等），并有对应的研究成果；\n4. 有 Agent 智能体进行代码生成、自动化调优或工作流编排的实践经验；\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，你将直面极具挑战性的 AI 计算问题，与硬件架构和芯片设计团队并肩，参与并推动 AI 软硬件协同生态的演进方向，打造一流的 AI 加速引擎。\n2.深入研究 Attention、MoE、GEMM、Conv 等模型架构与核心计算模式，设计并实现极致性能的计算内核，支撑大语言模型、自动驾驶、具身智能等核心场景的高效推理与训练；\n3.深入分析 AI 芯片硬件底层微架构特性，通过软硬协同设计榨干芯片每一份性能潜力；\n4.深度参与主流推理与训练框架（如 PyTorch、vLLM、SGLang）的性能优化，面向超节点、万卡集群等场景探索通算融合等前沿优化技术，落实 Qwen、DeepSeek 等千亿级参数模型的极速部署；\n5.追踪 AI 领域前沿的加速技术方案，与芯片架构团队紧密协作，共同定义下一代 AI 芯片的计算原语与编程模型，推动软硬一体的技术演进；\n6.探索并落地基于Agent 智能体的研发范式，将性能分析、代码生成与验证反馈串联为可迭代的自动化工作流，重新定义高性能计算研发的效率上限。\n1. 计算机、电子、微电子等相关专业博士/硕士学历；\n2. 科研经历出色：在高性能计算、AI 系统、计算机体系结构或相关领域有深入的研究积累，具备独立开展前沿课题研究的能力；\n3. 精通 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，具备扎实的系统级思维和工程落地能力；\n4. 对软硬结合的技术方向有强烈热情——理解硬件约束如何驱动软件设计，乐于在芯片与算法的交叉地带寻找高效解；\n5. 具备良好的学术写作与英文沟通能力，能独立撰写高质量论文并与国际同行进行技术交流。\n加分项：\n1. 熟悉 CUDA / GPU 开发，有高性能计算（HPC）或深度学习等领域 kernel 开发优化实战经验；\n2. 有 PyTorch / vLLM / SGLang / CUTLASS / Triton 等主流开源项目的核心代码贡献经历；\n3. 熟悉大模型相关加速技术（如量化、KV Cache 管理、MoE 负载均衡、Speculative Decoding 等），并有对应的研究成果；\n4. 有 Agent 智能体进行代码生成、自动化调优或工作流编排的实践经验；\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"
    }
}