主分类：AI训练推理与计算优化
辅助：Agent系统开发（仅展示）
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 Agent基础设施&系统架构-阿里星/A Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "博士优先",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "通过在基础设施层的架构设计和优化，包括模型训练、推理以及Agent Infra， 打造AI Agent产品的坚实底座，支持Agent快速研发和应用，降低服务成本，保证服务质量和稳定性，推动AI应用产品的大规模落地应用。\n1. 模型训练优化上，解决基础的计算、存储和数据等方面优化的同时，设计agentic 的方法，支持AI native的模型后训练（e.g. Agentic RL）， 自动化模型训练过程，降低人力干预，实现在线服务的模型自动化训练和更新。\n2. 模型推理优化上， 针对agent业务产品需求，在MoE，长上下文，以及LLM/多模态/视频生成等场景下进行推理性能优化，包括调度、量化（INT4/INT8/FP8）、算子融合、CUDA Kernel 定制设计，以及算法和infra结合优化（e.g. token压缩，模型压缩等），提升计算性能，降低推理latency， 降低模型服务成本。\n3. Agent Infra上，进行Agent全生命周期基础设施的打造，包括网关，运行时，沙箱，agent编排与协作，记忆系统，skills/生态，可观测和安全保障等， 支持agent产品的快速研发和落地应用，保障agent服务质量。",
"requirements_text": "1. 计算机、数学、电子等相关专业毕业， 博士优先。\n2. 熟悉机器学习以及AI相关的算法，熟悉最新的LLM大语言模型、多模态模型、视频模型，有相关模型架构设计和优化经验者优先。\n3. 有AI Infra相关的经验者优先，包括但不限于训练框架(Megatron、deepspeed，verl), 推理引擎(vLLM, SGLang, trt-llm)的设计和优化， 以及Agentic RL等。\n4. 有Agent Infra相关经验者优先，包括但不限于Agent框架(e.g. Hermes, google ADK, openClaw，LangGraph等)， 沙箱和隔离、 长短记忆、ReAct、MCP等。\n5. 熟悉计算机系统，了解GPU等芯片架构， 有系统调度优化，高性能计算等方面经验者优先。\n6. 良好的问题解决能力和程序设计能力，比如python，rust，c++等，对于AI native研发模型有了解， 熟悉AI coding。",
"skills": [AI生成
"Python",
"C++",
"Rust",
"React",
"机器学习",
"架构设计",
"大语言模型"
],
"preferred_qualifications": "1. 计算机、数学、电子等相关专业毕业， 博士优先；2. 熟悉机器学习以及AI相关的算法，熟悉最新的LLM大语言模型、多模态模型、视频模型，有相关模型架构设计和优化经验者优先；3. 有AI Infra相关的经验者优先，包括但不限于训练框架(Megatron、deepspeed，verl), 推理引擎(vLLM, SGLang, trt-llm)的设计和优化， 以及Agentic RL等；4. 有Agent Infra相关经验者优先，包括但不限于Agent框架(e.g. Hermes, google ADK, openClaw，LangGraph等)， 沙箱和隔离、 长短记忆、ReAct、MCP等；5. 熟悉计算机系统，了解GPU等芯片架构， 有系统调度优化，高性能计算等方面经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907700043?deptCodes="
}
]
},
"posting": {
"posting_id": "199907700043",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907700043?deptCodes="
},
"fulltext": "AI Agent基础设施&系统架构-阿里星/A Star\nAI Agent基础设施&系统架构-阿里星/A Star\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：北京 / 杭州\n\n职位描述\n通过在基础设施层的架构设计和优化，包括模型训练、推理以及Agent Infra， 打造AI Agent产品的坚实底座，支持Agent快速研发和应用，降低服务成本，保证服务质量和稳定性，推动AI应用产品的大规模落地应用。\n1. 模型训练优化上，解决基础的计算、存储和数据等方面优化的同时，设计agentic 的方法，支持AI native的模型后训练（e.g. Agentic RL）， 自动化模型训练过程，降低人力干预，实现在线服务的模型自动化训练和更新。\n2. 模型推理优化上， 针对agent业务产品需求，在MoE，长上下文，以及LLM/多模态/视频生成等场景下进行推理性能优化，包括调度、量化（INT4/INT8/FP8）、算子融合、CUDA Kernel 定制设计，以及算法和infra结合优化（e.g. token压缩，模型压缩等），提升计算性能，降低推理latency， 降低模型服务成本。\n3. Agent Infra上，进行Agent全生命周期基础设施的打造，包括网关，运行时，沙箱，agent编排与协作，记忆系统，skills/生态，可观测和安全保障等， 支持agent产品的快速研发和落地应用，保障agent服务质量。\n\n职位要求\n1. 计算机、数学、电子等相关专业毕业， 博士优先。\n2. 熟悉机器学习以及AI相关的算法，熟悉最新的LLM大语言模型、多模态模型、视频模型，有相关模型架构设计和优化经验者优先。\n3. 有AI Infra相关的经验者优先，包括但不限于训练框架(Megatron、deepspeed，verl), 推理引擎(vLLM, SGLang, trt-llm)的设计和优化， 以及Agentic RL等。\n4. 有Agent Infra相关经验者优先，包括但不限于Agent框架(e.g. Hermes, google ADK, openClaw，LangGraph等)， 沙箱和隔离、 长短记忆、ReAct、MCP等。\n5. 熟悉计算机系统，了解GPU等芯片架构， 有系统调度优化，高性能计算等方面经验者优先。\n6. 良好的问题解决能力和程序设计能力，比如python，rust，c++等，对于AI native研发模型有了解， 熟悉AI coding。\n\n在招业务\n阿里云\n通过在基础设施层的架构设计和优化，包括模型训练、推理以及Agent Infra， 打造AI Agent产品的坚实底座，支持Agent快速研发和应用，降低服务成本，保证服务质量和稳定性，推动AI应用产品的大规模落地应用。\n1. 模型训练优化上，解决基础的计算、存储和数据等方面优化的同时，设计agentic 的方法，支持AI native的模型后训练（e.g. Agentic RL）， 自动化模型训练过程，降低人力干预，实现在线服务的模型自动化训练和更新。\n2. 模型推理优化上， 针对agent业务产品需求，在MoE，长上下文，以及LLM/多模态/视频生成等场景下进行推理性能优化，包括调度、量化（INT4/INT8/FP8）、算子融合、CUDA Kernel 定制设计，以及算法和infra结合优化（e.g. token压缩，模型压缩等），提升计算性能，降低推理latency， 降低模型服务成本。\n3. Agent Infra上，进行Agent全生命周期基础设施的打造，包括网关，运行时，沙箱，agent编排与协作，记忆系统，skills/生态，可观测和安全保障等， 支持agent产品的快速研发和落地应用，保障agent服务质量。\n1. 计算机、数学、电子等相关专业毕业， 博士优先。\n2. 熟悉机器学习以及AI相关的算法，熟悉最新的LLM大语言模型、多模态模型、视频模型，有相关模型架构设计和优化经验者优先。\n3. 有AI Infra相关的经验者优先，包括但不限于训练框架(Megatron、deepspeed，verl), 推理引擎(vLLM, SGLang, trt-llm)的设计和优化， 以及Agentic RL等。\n4. 有Agent Infra相关经验者优先，包括但不限于Agent框架(e.g. Hermes, google ADK, openClaw，LangGraph等)， 沙箱和隔离、 长短记忆、ReAct、MCP等。\n5. 熟悉计算机系统，了解GPU等芯片架构， 有系统调度优化，高性能计算等方面经验者优先。\n6. 良好的问题解决能力和程序设计能力，比如python，rust，c++等，对于AI native研发模型有了解， 熟悉AI coding。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}