主分类：云基础设施与系统软件研发
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": "Agentic AI infra 内存无感超分技术研究-阿里星/A Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "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": "计算机体系结构、操作系统、虚拟化、高性能计算等相关方向在读博士或博士应届毕业生",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "AI Agents 算力需求爆发式增长，全球 CPU 与内存供给持续紧张，内存价格飙升且短期内没有缓和迹象。我们正在研究下一代内存超分（Memory Overcommit）技术，目标是在用户无感知的前提下大幅提升云计算内存利用效率，降低 Agentic AI 算力的触达成本。该岗位依托阿里云神龙虚拟化架构与百万级服务器规模的生产环境，研究成果将直接落地于核心计算产品。\n你的工作将聚焦以下方向：\n1. 内存超分核心机制研究：面向 Agentic AI 负载特征，设计高效、低开销的内存超分方案，实现主机侧内存资源的透明复用与动态调度，保障租户性能 SLO。\n2. 分层内存管理（TMM）与冷热分级：研究基于 DRAM + CXL 扩展内存 + 持久化介质的多层内存架构，设计智能页面迁移与放置策略，在容量与性能之间取得最优平衡。\n3. AI 驱动的资源智能分配：利用机器学习方法建模虚拟机 / 容器的内存访问模式，实现工作集大小预测、超分比例自适应调整与异常规避，减少 OOM 与性能抖动。\n4. 轻量级隔离与安全回收：研究基于轻量级虚拟化（MicroVM / Sandbox）的内存隔离边界与快速回收机制，在高密部署下兼顾资源效率与多租户安全隔离。\n5. 新硬件能力探索与集成：跟踪并利用 CXL 3.x 内存池化、CPU 集成内存处理加速器（DSA/IAX）、新代际 Linux 内核内存管理特性（MGLRU、DAMON 等）、硬件性能采样（PEBS/IBS）等前沿技术，将其转化为超分场景的工程能力。",
"requirements_text": "1. 计算机体系结构、操作系统、虚拟化、高性能计算等相关方向在读博士或博士应届毕业生。\n2. 内存与系统底层：深入理解操作系统内存管理子系统（页表、TLB、NUMA 拓扑、页回收/compaction、KSM、Balloon、virtio-mem 等），有内核态开发或性能调优经验。\n3. 编程能力：精通 C/C++ 系统编程，熟悉 Linux 内核开发流程；熟练使用 perf / eBPF / ftrace 等工具进行内存与性能分析。\n4. 研究能力：在操作系统、体系结构或虚拟化领域顶会（OSDI / SOSP / ASPLOS / ATC / EuroSys / ISCA / MICRO / VEE 等）发表过论文，或在 Linux 内核 / QEMU-KVM 等核心社区有实质性贡献。\n5. 加分项（满足任一即可）：\n- 有 CXL / 分层内存 / 远端内存（远程内存池化）相关研究或开发经验；\n- 有 KVM / QEMU / Hypervisor 内存虚拟化（EPT / NPT / Shadow Page Table）实战经验；\n- 有机器学习建模系统行为（资源预测、负载画像、异常检测）的研究经验；\n- 有大规模生产环境的内存超分或资源管理系统落地经验；\n- 了解 Agentic AI / LLM 推理框架的内存访问特征。",
"skills": [AI生成
"C++",
"Linux",
"机器学习",
"性能调优",
"建模",
"大语言模型",
"C语言"
],
"preferred_qualifications": "5. 加分项（满足任一即可）：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907720112?deptCodes="
}
]
},
"posting": {
"posting_id": "199907720112",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907720112?deptCodes="
},
"fulltext": "Agentic AI infra 内存无感超分技术研究-阿里星/A Star\nAgentic AI infra 内存无感超分技术研究-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：杭州 / 上海\n\n职位描述\nAI Agents 算力需求爆发式增长，全球 CPU 与内存供给持续紧张，内存价格飙升且短期内没有缓和迹象。我们正在研究下一代内存超分（Memory Overcommit）技术，目标是在用户无感知的前提下大幅提升云计算内存利用效率，降低 Agentic AI 算力的触达成本。该岗位依托阿里云神龙虚拟化架构与百万级服务器规模的生产环境，研究成果将直接落地于核心计算产品。\n你的工作将聚焦以下方向：\n1. 内存超分核心机制研究：面向 Agentic AI 负载特征，设计高效、低开销的内存超分方案，实现主机侧内存资源的透明复用与动态调度，保障租户性能 SLO。\n2. 分层内存管理（TMM）与冷热分级：研究基于 DRAM + CXL 扩展内存 + 持久化介质的多层内存架构，设计智能页面迁移与放置策略，在容量与性能之间取得最优平衡。\n3. AI 驱动的资源智能分配：利用机器学习方法建模虚拟机 / 容器的内存访问模式，实现工作集大小预测、超分比例自适应调整与异常规避，减少 OOM 与性能抖动。\n4. 轻量级隔离与安全回收：研究基于轻量级虚拟化（MicroVM / Sandbox）的内存隔离边界与快速回收机制，在高密部署下兼顾资源效率与多租户安全隔离。\n5. 新硬件能力探索与集成：跟踪并利用 CXL 3.x 内存池化、CPU 集成内存处理加速器（DSA/IAX）、新代际 Linux 内核内存管理特性（MGLRU、DAMON 等）、硬件性能采样（PEBS/IBS）等前沿技术，将其转化为超分场景的工程能力。\n\n职位要求\n1. 计算机体系结构、操作系统、虚拟化、高性能计算等相关方向在读博士或博士应届毕业生。\n2. 内存与系统底层：深入理解操作系统内存管理子系统（页表、TLB、NUMA 拓扑、页回收/compaction、KSM、Balloon、virtio-mem 等），有内核态开发或性能调优经验。\n3. 编程能力：精通 C/C++ 系统编程，熟悉 Linux 内核开发流程；熟练使用 perf / eBPF / ftrace 等工具进行内存与性能分析。\n4. 研究能力：在操作系统、体系结构或虚拟化领域顶会（OSDI / SOSP / ASPLOS / ATC / EuroSys / ISCA / MICRO / VEE 等）发表过论文，或在 Linux 内核 / QEMU-KVM 等核心社区有实质性贡献。\n5. 加分项（满足任一即可）：\n- 有 CXL / 分层内存 / 远端内存（远程内存池化）相关研究或开发经验；\n- 有 KVM / QEMU / Hypervisor 内存虚拟化（EPT / NPT / Shadow Page Table）实战经验；\n- 有机器学习建模系统行为（资源预测、负载画像、异常检测）的研究经验；\n- 有大规模生产环境的内存超分或资源管理系统落地经验；\n- 了解 Agentic AI / LLM 推理框架的内存访问特征。\n\n在招业务\n阿里云\nAI Agents 算力需求爆发式增长，全球 CPU 与内存供给持续紧张，内存价格飙升且短期内没有缓和迹象。我们正在研究下一代内存超分（Memory Overcommit）技术，目标是在用户无感知的前提下大幅提升云计算内存利用效率，降低 Agentic AI 算力的触达成本。该岗位依托阿里云神龙虚拟化架构与百万级服务器规模的生产环境，研究成果将直接落地于核心计算产品。\n你的工作将聚焦以下方向：\n1. 内存超分核心机制研究：面向 Agentic AI 负载特征，设计高效、低开销的内存超分方案，实现主机侧内存资源的透明复用与动态调度，保障租户性能 SLO。\n2. 分层内存管理（TMM）与冷热分级：研究基于 DRAM + CXL 扩展内存 + 持久化介质的多层内存架构，设计智能页面迁移与放置策略，在容量与性能之间取得最优平衡。\n3. AI 驱动的资源智能分配：利用机器学习方法建模虚拟机 / 容器的内存访问模式，实现工作集大小预测、超分比例自适应调整与异常规避，减少 OOM 与性能抖动。\n4. 轻量级隔离与安全回收：研究基于轻量级虚拟化（MicroVM / Sandbox）的内存隔离边界与快速回收机制，在高密部署下兼顾资源效率与多租户安全隔离。\n5. 新硬件能力探索与集成：跟踪并利用 CXL 3.x 内存池化、CPU 集成内存处理加速器（DSA/IAX）、新代际 Linux 内核内存管理特性（MGLRU、DAMON 等）、硬件性能采样（PEBS/IBS）等前沿技术，将其转化为超分场景的工程能力。\n1. 计算机体系结构、操作系统、虚拟化、高性能计算等相关方向在读博士或博士应届毕业生。\n2. 内存与系统底层：深入理解操作系统内存管理子系统（页表、TLB、NUMA 拓扑、页回收/compaction、KSM、Balloon、virtio-mem 等），有内核态开发或性能调优经验。\n3. 编程能力：精通 C/C++ 系统编程，熟悉 Linux 内核开发流程；熟练使用 perf / eBPF / ftrace 等工具进行内存与性能分析。\n4. 研究能力：在操作系统、体系结构或虚拟化领域顶会（OSDI / SOSP / ASPLOS / ATC / EuroSys / ISCA / MICRO / VEE 等）发表过论文，或在 Linux 内核 / QEMU-KVM 等核心社区有实质性贡献。\n5. 加分项（满足任一即可）：\n- 有 CXL / 分层内存 / 远端内存（远程内存池化）相关研究或开发经验；\n- 有 KVM / QEMU / Hypervisor 内存虚拟化（EPT / NPT / Shadow Page Table）实战经验；\n- 有机器学习建模系统行为（资源预测、负载画像、异常检测）的研究经验；\n- 有大规模生产环境的内存超分或资源管理系统落地经验；\n- 了解 Agentic AI / LLM 推理框架的内存访问特征。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}