职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:199907640012

AI编译研发工程师

未披露 · 杭州 / 上海 · 阿里巴巴控股集团

主分类:AI训练推理与计算优化
软件开发与 IT
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": "AI编译研发工程师",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "阿里巴巴控股集团 / 阿里云",
        "location": "杭州 / 上海",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"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": "负责AI编译器研发,通过理解云上AI负载特征,挖掘CPU/GPU硬件与编译框架的协同优化潜力;主导核心功能实现与性能优化,解决AI训练、推理场景中的关键工程挑战,提升计算效率;同时紧密协同跨团队资源,推动AI编译器产品的业务落地与技术价值转化。\n职责描述:\n1. 理解云上AI负载场景与特点,挖掘CPU/GPU硬件架构与编译器,编程框架协同优化的潜力, 负责核心功能的实现与性能优化。\n2. 能够与各团队紧密合作,理解和实现客户需求,参与AI编译器产品的设计、功能开发及业务落地工作。",
        "requirements_text": "专业领域:\n● 具有良好的算法基础及软件编程能力,熟悉编译原理及其实现机制。\n● 了解计算机体系结构及芯片微架构(如CPU/GPU等),有软硬协同设计经验或相关项目经历者优先。\n● 有异构计算场景下编译工具链的设计或开发经验;熟悉至少一种主流AI编译器技术或框架(如 torch.compile, Triton, MLIR, TVM 等)者优先。\nAI能力:\n1. 问题解决:善于把复杂的工程问题拆解为可优化的明确目标,判断哪些环节适合编译器自动优化、哪些需要人工干预和深度调优。\n2. 批判性思考:对编译器性能数据和 AI 工具的优化建议保持审慎,能识别瓶颈根源,不相信表面指标,愿意深入底层验证。\n3. 学习判断力:对 AI 编译新技术有强烈好奇心,能快速上手并评估新工具、新框架对现有架构的真实价值。\n4. 协作沉淀:能与多种角色围绕 AI 基础设施高效协同,善用 AI 编程工具提升效率,将个人实践转化为团队可复用的工具和流程。",
        "skills": [AI生成
            "性能优化"
        ],
        "preferred_qualifications": "● 了解计算机体系结构及芯片微架构(如CPU/GPU等),有软硬协同设计经验或相关项目经历者优先;熟悉至少一种主流AI编译器技术或框架(如 torch.compile, Triton, MLIR, TVM 等)者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907640012?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907640012",
        "post_date": "2026-08-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907640012?deptCodes="
    },
    "fulltext": "AI编译研发工程师\nAI编译研发工程师\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:杭州 / 上海\n\n职位描述\n负责AI编译器研发,通过理解云上AI负载特征,挖掘CPU/GPU硬件与编译框架的协同优化潜力;主导核心功能实现与性能优化,解决AI训练、推理场景中的关键工程挑战,提升计算效率;同时紧密协同跨团队资源,推动AI编译器产品的业务落地与技术价值转化。\n职责描述:\n1. 理解云上AI负载场景与特点,挖掘CPU/GPU硬件架构与编译器,编程框架协同优化的潜力, 负责核心功能的实现与性能优化。\n2. 能够与各团队紧密合作,理解和实现客户需求,参与AI编译器产品的设计、功能开发及业务落地工作。\n\n职位要求\n专业领域:\n● 具有良好的算法基础及软件编程能力,熟悉编译原理及其实现机制。\n● 了解计算机体系结构及芯片微架构(如CPU/GPU等),有软硬协同设计经验或相关项目经历者优先。\n● 有异构计算场景下编译工具链的设计或开发经验;熟悉至少一种主流AI编译器技术或框架(如 torch.compile, Triton, MLIR, TVM 等)者优先。\nAI能力:\n1. 问题解决:善于把复杂的工程问题拆解为可优化的明确目标,判断哪些环节适合编译器自动优化、哪些需要人工干预和深度调优。\n2. 批判性思考:对编译器性能数据和 AI 工具的优化建议保持审慎,能识别瓶颈根源,不相信表面指标,愿意深入底层验证。\n3. 学习判断力:对 AI 编译新技术有强烈好奇心,能快速上手并评估新工具、新框架对现有架构的真实价值。\n4. 协作沉淀:能与多种角色围绕 AI 基础设施高效协同,善用 AI 编程工具提升效率,将个人实践转化为团队可复用的工具和流程。\n\n在招业务\n阿里巴巴控股集团 / 阿里云\n负责AI编译器研发,通过理解云上AI负载特征,挖掘CPU/GPU硬件与编译框架的协同优化潜力;主导核心功能实现与性能优化,解决AI训练、推理场景中的关键工程挑战,提升计算效率;同时紧密协同跨团队资源,推动AI编译器产品的业务落地与技术价值转化。\n职责描述:\n1. 理解云上AI负载场景与特点,挖掘CPU/GPU硬件架构与编译器,编程框架协同优化的潜力, 负责核心功能的实现与性能优化。\n2. 能够与各团队紧密合作,理解和实现客户需求,参与AI编译器产品的设计、功能开发及业务落地工作。\n专业领域:\n● 具有良好的算法基础及软件编程能力,熟悉编译原理及其实现机制。\n● 了解计算机体系结构及芯片微架构(如CPU/GPU等),有软硬协同设计经验或相关项目经历者优先。\n● 有异构计算场景下编译工具链的设计或开发经验;熟悉至少一种主流AI编译器技术或框架(如 torch.compile, Triton, MLIR, TVM 等)者优先。\nAI能力:\n1. 问题解决:善于把复杂的工程问题拆解为可优化的明确目标,判断哪些环节适合编译器自动优化、哪些需要人工干预和深度调优。\n2. 批判性思考:对编译器性能数据和 AI 工具的优化建议保持审慎,能识别瓶颈根源,不相信表面指标,愿意深入底层验证。\n3. 学习判断力:对 AI 编译新技术有强烈好奇心,能快速上手并评估新工具、新框架对现有架构的真实价值。\n4. 协作沉淀:能与多种角色围绕 AI 基础设施高效协同,善用 AI 编程工具提升效率,将个人实践转化为团队可复用的工具和流程。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}