{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "面向真武AI芯片的深度学习编译与大模型推理引擎优化-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": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.作为阿里星顶尖人才计划的一员，构建面向平头哥自研真武芯片的深度学习编译技术栈，打造业界一流的芯片编译器，涵盖计算图优化、算子融合、自动调优、面向芯片特性的深度优化等核心能力，定义AI芯片编译基础设施的技术方向；\n2.主导面向真武芯片的大模型推理引擎设计与开发，在PD分离、KV Cache管理、显存优化、量化推理、Kernel极致优化等前沿技术上实现系统性突破，支撑前沿大语言模型在自研芯片上的高效推理，对标甚至超越业界SOTA推理系统性能；\n3.推动推理引擎的产品化落地，深入客户真实业务场景进行端到端分析与调优，将学术前沿研究成果转化为规模化商用的推理解决方案，直接服务集团内外核心业务与外部客户；\n4.深度参与自研芯片架构演进，基于模型负载特征反向推动芯片架构迭代，实现软硬件协同设计。这是业界极为稀缺的从编译器、推理系统到芯片架构的全栈研发体验，有机会在MLSys、CGO、ASPLOS等系统顶会上发表开创性研究成果；\n5.你将直接参与AI芯片在大模型时代的产业化落地，研究成果将服务于集团内外核心业务，产生真实的业务影响力。",
        "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.在编译优化、高性能计算、并行计算或深度学习系统方向有深入研究经验\n3.扎实的计算机体系结构、编译原理基础，熟练使用C/C++，掌握Python，对深度学习框架底层实现有深入理解\n4.熟悉TVM、MLIR、XLA、ONNX-MLIR、Triton等主流编译框架之一者优先\n5.具备分布式推理或大模型推理优化实践经验，了解模型量化、显存优化、KV Cache、FlashAttention等相关技术\n6.具备强烈的自驱力与敏锐的技术洞察力，拥有广阔的技术视野，能够主动追踪前沿技术动态并推动技术突破\n加分项：\n- 在MLSys、CGO、ASPLOS、PLDI、OSDI、EuroSys等会议发表过相关论文\n- 参与过知名开源编译器或推理框架项目（如TVM、MLIR、vLLM、TensorRT-LLM、SGLang等）并有实质性贡献\n- 有自研编译器或推理引擎从0到1构建经验者优先",
        "skills": [AI生成
            "Python",
            "C++",
            "深度学习",
            "大语言模型"
        ],
        "preferred_qualifications": "4.熟悉TVM、MLIR、XLA、ONNX-MLIR、Triton等主流编译框架之一者优先；加分项：；有自研编译器或推理引擎从0到1构建经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907680058?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907680058",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907680058?deptCodes="
    },
    "fulltext": "面向真武AI芯片的深度学习编译与大模型推理引擎优化-阿里星\n面向真武AI芯片的深度学习编译与大模型推理引擎优化-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，构建面向平头哥自研真武芯片的深度学习编译技术栈，打造业界一流的芯片编译器，涵盖计算图优化、算子融合、自动调优、面向芯片特性的深度优化等核心能力，定义AI芯片编译基础设施的技术方向；\n2.主导面向真武芯片的大模型推理引擎设计与开发，在PD分离、KV Cache管理、显存优化、量化推理、Kernel极致优化等前沿技术上实现系统性突破，支撑前沿大语言模型在自研芯片上的高效推理，对标甚至超越业界SOTA推理系统性能；\n3.推动推理引擎的产品化落地，深入客户真实业务场景进行端到端分析与调优，将学术前沿研究成果转化为规模化商用的推理解决方案，直接服务集团内外核心业务与外部客户；\n4.深度参与自研芯片架构演进，基于模型负载特征反向推动芯片架构迭代，实现软硬件协同设计。这是业界极为稀缺的从编译器、推理系统到芯片架构的全栈研发体验，有机会在MLSys、CGO、ASPLOS等系统顶会上发表开创性研究成果；\n5.你将直接参与AI芯片在大模型时代的产业化落地，研究成果将服务于集团内外核心业务，产生真实的业务影响力。\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.在编译优化、高性能计算、并行计算或深度学习系统方向有深入研究经验\n3.扎实的计算机体系结构、编译原理基础，熟练使用C/C++，掌握Python，对深度学习框架底层实现有深入理解\n4.熟悉TVM、MLIR、XLA、ONNX-MLIR、Triton等主流编译框架之一者优先\n5.具备分布式推理或大模型推理优化实践经验，了解模型量化、显存优化、KV Cache、FlashAttention等相关技术\n6.具备强烈的自驱力与敏锐的技术洞察力，拥有广阔的技术视野，能够主动追踪前沿技术动态并推动技术突破\n加分项：\n- 在MLSys、CGO、ASPLOS、PLDI、OSDI、EuroSys等会议发表过相关论文\n- 参与过知名开源编译器或推理框架项目（如TVM、MLIR、vLLM、TensorRT-LLM、SGLang等）并有实质性贡献\n- 有自研编译器或推理引擎从0到1构建经验者优先\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，构建面向平头哥自研真武芯片的深度学习编译技术栈，打造业界一流的芯片编译器，涵盖计算图优化、算子融合、自动调优、面向芯片特性的深度优化等核心能力，定义AI芯片编译基础设施的技术方向；\n2.主导面向真武芯片的大模型推理引擎设计与开发，在PD分离、KV Cache管理、显存优化、量化推理、Kernel极致优化等前沿技术上实现系统性突破，支撑前沿大语言模型在自研芯片上的高效推理，对标甚至超越业界SOTA推理系统性能；\n3.推动推理引擎的产品化落地，深入客户真实业务场景进行端到端分析与调优，将学术前沿研究成果转化为规模化商用的推理解决方案，直接服务集团内外核心业务与外部客户；\n4.深度参与自研芯片架构演进，基于模型负载特征反向推动芯片架构迭代，实现软硬件协同设计。这是业界极为稀缺的从编译器、推理系统到芯片架构的全栈研发体验，有机会在MLSys、CGO、ASPLOS等系统顶会上发表开创性研究成果；\n5.你将直接参与AI芯片在大模型时代的产业化落地，研究成果将服务于集团内外核心业务，产生真实的业务影响力。\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.在编译优化、高性能计算、并行计算或深度学习系统方向有深入研究经验\n3.扎实的计算机体系结构、编译原理基础，熟练使用C/C++，掌握Python，对深度学习框架底层实现有深入理解\n4.熟悉TVM、MLIR、XLA、ONNX-MLIR、Triton等主流编译框架之一者优先\n5.具备分布式推理或大模型推理优化实践经验，了解模型量化、显存优化、KV Cache、FlashAttention等相关技术\n6.具备强烈的自驱力与敏锐的技术洞察力，拥有广阔的技术视野，能够主动追踪前沿技术动态并推动技术突破\n加分项：\n- 在MLSys、CGO、ASPLOS、PLDI、OSDI、EuroSys等会议发表过相关论文\n- 参与过知名开源编译器或推理框架项目（如TVM、MLIR、vLLM、TensorRT-LLM、SGLang等）并有实质性贡献\n- 有自研编译器或推理引擎从0到1构建经验者优先",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}