{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI Infra网络研发工程师",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "阿里云",
        "location": "北京 / 杭州 / 南京",
        "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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "在这里，你将面对AI基础设施的核心技术挑战，深度参与阿里AI基础设施的技术演进。通过软硬一体化、智能网络、NFV/SDN、高性能转发等核心技术，为阿里产品的AI智能化升级提供超大规模、超高性能、极致弹性的网络产品服务。你的工作将同时覆盖大模型推理系统优化和Agentic应用基础设施两大前沿领域。\n具体的职责包括但不限于：\n1.AI推理网络性能优化\n● 负责设计和优化大规模推理系统中GPU集群的高性能网络架构，支持GPU间通信、KV Cache远端访问、分布式存储数据读写等场景，提供极致的网络通信性能。\n● 深入研究和应用RDMA、GPUDirect等技术，优化集体通信（AllReduce、All-to-All）及点对点通信性能，解决大规模并发下的网络拥塞与丢包问题。\n● 开发与调优网络协议栈（如TCP/IP、RDMA、自定义传输协议），结合AI框架（PyTorch/TensorFlow）和集合通信库（NCCL），实现通信与计算的深度融合与流水线并行。\n2.Agentic网络基础设施构建\n● 构建高可用、低延迟的AI Agent接入网关，支持海量用户访问AI应用时的负载均衡、流量调度、ingress/egress连接管理，保障服务SLA。\n● 设计与优化接入层协议（如HTTP/3、WebSocket、gRPC），处理Agent交互中的长连接保持、消息路由、安全认证及限流熔断等机制。\n● 协同上层业务团队，针对强化学习（RL）后训练以及AI Agent动态交互特性（如容器/Sandbox资源构建、工具调用、多轮对话等）进行端到端网络性能分析与瓶颈突破，包括网络管控链路和数据转发链路。",
        "requirements_text": "1. AI通用能力:\n● 系统思维：具备独立思考分析与系统化解决问题能力，喜欢从底层视角拆解问题，能够从 0 到 1 推进复杂项目落地\n● 沟通协作：有良好的沟通协作与跨团队推动能力，能够与产品、业务、硬件、算法等多方高效协同\n● 探索热情：对网络系统和 AI 技术持续保持好奇心和创新精神，对于技术突破充满热情，自驱力和学习力强，有意愿在该领域长期深耕\n● 乐观抗压：喜欢挑战性的技术研发工作，善于攻坚克难，积极乐观，坚韧抗压，结果导向\n2. AI技能:\n● AI基础设施与框架理解：深入理解主流AI框架（PyTorch/TensorFlow）的底层通信机制，熟悉集合通信库（NCCL）的工作原理，能够针对AI训练和推理场景进行网络层面的适配与调优。\n● 大模型推理系统优化：掌握大模型推理的核心技术，理解分布式推理中的张量并行、流水线并行对网络带宽和延迟的具体需求，熟悉KV Cache远端访问等显存优化技术对网络I/O的影响。\n● Agentic应用支持能力：理解AI Agent的运行逻辑，包括工具调用、沙箱环境构建及多轮对话状态管理，能够针对Agent的动态交互特性设计相应的网络接入与流量调度策略。\n● AI网络性能分析：熟练使用各类性能分析工具，能够对AI工作负载下的网络流量进行抓包分析与建模，识别计算与通信重叠（Overlap）中的瓶颈。\n3. 专业领域:\n● 高性能网络架构设计：精通TCP/IP协议栈，具备深厚的网络编程功底，有开发自定义传输协议或优化现有协议栈（如内核旁路、零拷贝）的实战经验。\n● RDMA与GPU通信技术：专家级掌握RDMA（RoCE v2/InfiniBand）技术，熟悉GPUDirect RDMA/TCP等硬件加速技术，有大规模GPU集群下AllReduce、All-to-All等集合通信优化的成功案例。\n● 云原生与流量网关技术：精通Kubernetes网络模型，熟悉Ingress/Egress流量管理，有高并发场景下负载均衡、限流熔断、安全认证网关的设计与开发经验。\n● NFV/SDN与智能网络：熟悉网络功能虚拟化（NFV）和软件定义网络（SDN）架构，能够利用智能网卡（SmartNIC/DPU）进行硬件卸载，实现网络功能的加速与灵活编排。\n加分项:\n● 有顶级开源社区（Linux Kernel、PyTorch、vLLM、LM cache、Envoy AI Gateway等）的实质性贡献经验。\n● 发表过系统优化、并行计算或AI相关的学术论文（CCF A/B类以上）。\n● 有大规模分布式系统的设计与实现经验，理解分布式系统的核心问题。",
        "skills": [AI生成
            "Linux",
            "Kubernetes",
            "PyTorch",
            "TensorFlow",
            "分布式系统",
            "架构设计",
            "解决问题",
            "建模",
            "大语言模型"
        ],
        "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/199907740014?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907740014",
        "post_date": "2026-08-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907740014?deptCodes="
    },
    "fulltext": "AI Infra网络研发工程师\nAI Infra网络研发工程师\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：北京 / 杭州 / 南京\n\n职位描述\n在这里，你将面对AI基础设施的核心技术挑战，深度参与阿里AI基础设施的技术演进。通过软硬一体化、智能网络、NFV/SDN、高性能转发等核心技术，为阿里产品的AI智能化升级提供超大规模、超高性能、极致弹性的网络产品服务。你的工作将同时覆盖大模型推理系统优化和Agentic应用基础设施两大前沿领域。\n具体的职责包括但不限于：\n1.AI推理网络性能优化\n● 负责设计和优化大规模推理系统中GPU集群的高性能网络架构，支持GPU间通信、KV Cache远端访问、分布式存储数据读写等场景，提供极致的网络通信性能。\n● 深入研究和应用RDMA、GPUDirect等技术，优化集体通信（AllReduce、All-to-All）及点对点通信性能，解决大规模并发下的网络拥塞与丢包问题。\n● 开发与调优网络协议栈（如TCP/IP、RDMA、自定义传输协议），结合AI框架（PyTorch/TensorFlow）和集合通信库（NCCL），实现通信与计算的深度融合与流水线并行。\n2.Agentic网络基础设施构建\n● 构建高可用、低延迟的AI Agent接入网关，支持海量用户访问AI应用时的负载均衡、流量调度、ingress/egress连接管理，保障服务SLA。\n● 设计与优化接入层协议（如HTTP/3、WebSocket、gRPC），处理Agent交互中的长连接保持、消息路由、安全认证及限流熔断等机制。\n● 协同上层业务团队，针对强化学习（RL）后训练以及AI Agent动态交互特性（如容器/Sandbox资源构建、工具调用、多轮对话等）进行端到端网络性能分析与瓶颈突破，包括网络管控链路和数据转发链路。\n\n职位要求\n1. AI通用能力:\n● 系统思维：具备独立思考分析与系统化解决问题能力，喜欢从底层视角拆解问题，能够从 0 到 1 推进复杂项目落地\n● 沟通协作：有良好的沟通协作与跨团队推动能力，能够与产品、业务、硬件、算法等多方高效协同\n● 探索热情：对网络系统和 AI 技术持续保持好奇心和创新精神，对于技术突破充满热情，自驱力和学习力强，有意愿在该领域长期深耕\n● 乐观抗压：喜欢挑战性的技术研发工作，善于攻坚克难，积极乐观，坚韧抗压，结果导向\n2. AI技能:\n● AI基础设施与框架理解：深入理解主流AI框架（PyTorch/TensorFlow）的底层通信机制，熟悉集合通信库（NCCL）的工作原理，能够针对AI训练和推理场景进行网络层面的适配与调优。\n● 大模型推理系统优化：掌握大模型推理的核心技术，理解分布式推理中的张量并行、流水线并行对网络带宽和延迟的具体需求，熟悉KV Cache远端访问等显存优化技术对网络I/O的影响。\n● Agentic应用支持能力：理解AI Agent的运行逻辑，包括工具调用、沙箱环境构建及多轮对话状态管理，能够针对Agent的动态交互特性设计相应的网络接入与流量调度策略。\n● AI网络性能分析：熟练使用各类性能分析工具，能够对AI工作负载下的网络流量进行抓包分析与建模，识别计算与通信重叠（Overlap）中的瓶颈。\n3. 专业领域:\n● 高性能网络架构设计：精通TCP/IP协议栈，具备深厚的网络编程功底，有开发自定义传输协议或优化现有协议栈（如内核旁路、零拷贝）的实战经验。\n● RDMA与GPU通信技术：专家级掌握RDMA（RoCE v2/InfiniBand）技术，熟悉GPUDirect RDMA/TCP等硬件加速技术，有大规模GPU集群下AllReduce、All-to-All等集合通信优化的成功案例。\n● 云原生与流量网关技术：精通Kubernetes网络模型，熟悉Ingress/Egress流量管理，有高并发场景下负载均衡、限流熔断、安全认证网关的设计与开发经验。\n● NFV/SDN与智能网络：熟悉网络功能虚拟化（NFV）和软件定义网络（SDN）架构，能够利用智能网卡（SmartNIC/DPU）进行硬件卸载，实现网络功能的加速与灵活编排。\n加分项:\n● 有顶级开源社区（Linux Kernel、PyTorch、vLLM、LM cache、Envoy AI Gateway等）的实质性贡献经验。\n● 发表过系统优化、并行计算或AI相关的学术论文（CCF A/B类以上）。\n● 有大规模分布式系统的设计与实现经验，理解分布式系统的核心问题。\n\n在招业务\n阿里云\n在这里，你将面对AI基础设施的核心技术挑战，深度参与阿里AI基础设施的技术演进。通过软硬一体化、智能网络、NFV/SDN、高性能转发等核心技术，为阿里产品的AI智能化升级提供超大规模、超高性能、极致弹性的网络产品服务。你的工作将同时覆盖大模型推理系统优化和Agentic应用基础设施两大前沿领域。\n具体的职责包括但不限于：\n1.AI推理网络性能优化\n● 负责设计和优化大规模推理系统中GPU集群的高性能网络架构，支持GPU间通信、KV Cache远端访问、分布式存储数据读写等场景，提供极致的网络通信性能。\n● 深入研究和应用RDMA、GPUDirect等技术，优化集体通信（AllReduce、All-to-All）及点对点通信性能，解决大规模并发下的网络拥塞与丢包问题。\n● 开发与调优网络协议栈（如TCP/IP、RDMA、自定义传输协议），结合AI框架（PyTorch/TensorFlow）和集合通信库（NCCL），实现通信与计算的深度融合与流水线并行。\n2.Agentic网络基础设施构建\n● 构建高可用、低延迟的AI Agent接入网关，支持海量用户访问AI应用时的负载均衡、流量调度、ingress/egress连接管理，保障服务SLA。\n● 设计与优化接入层协议（如HTTP/3、WebSocket、gRPC），处理Agent交互中的长连接保持、消息路由、安全认证及限流熔断等机制。\n● 协同上层业务团队，针对强化学习（RL）后训练以及AI Agent动态交互特性（如容器/Sandbox资源构建、工具调用、多轮对话等）进行端到端网络性能分析与瓶颈突破，包括网络管控链路和数据转发链路。\n1. AI通用能力:\n● 系统思维：具备独立思考分析与系统化解决问题能力，喜欢从底层视角拆解问题，能够从 0 到 1 推进复杂项目落地\n● 沟通协作：有良好的沟通协作与跨团队推动能力，能够与产品、业务、硬件、算法等多方高效协同\n● 探索热情：对网络系统和 AI 技术持续保持好奇心和创新精神，对于技术突破充满热情，自驱力和学习力强，有意愿在该领域长期深耕\n● 乐观抗压：喜欢挑战性的技术研发工作，善于攻坚克难，积极乐观，坚韧抗压，结果导向\n2. AI技能:\n● AI基础设施与框架理解：深入理解主流AI框架（PyTorch/TensorFlow）的底层通信机制，熟悉集合通信库（NCCL）的工作原理，能够针对AI训练和推理场景进行网络层面的适配与调优。\n● 大模型推理系统优化：掌握大模型推理的核心技术，理解分布式推理中的张量并行、流水线并行对网络带宽和延迟的具体需求，熟悉KV Cache远端访问等显存优化技术对网络I/O的影响。\n● Agentic应用支持能力：理解AI Agent的运行逻辑，包括工具调用、沙箱环境构建及多轮对话状态管理，能够针对Agent的动态交互特性设计相应的网络接入与流量调度策略。\n● AI网络性能分析：熟练使用各类性能分析工具，能够对AI工作负载下的网络流量进行抓包分析与建模，识别计算与通信重叠（Overlap）中的瓶颈。\n3. 专业领域:\n● 高性能网络架构设计：精通TCP/IP协议栈，具备深厚的网络编程功底，有开发自定义传输协议或优化现有协议栈（如内核旁路、零拷贝）的实战经验。\n● RDMA与GPU通信技术：专家级掌握RDMA（RoCE v2/InfiniBand）技术，熟悉GPUDirect RDMA/TCP等硬件加速技术，有大规模GPU集群下AllReduce、All-to-All等集合通信优化的成功案例。\n● 云原生与流量网关技术：精通Kubernetes网络模型，熟悉Ingress/Egress流量管理，有高并发场景下负载均衡、限流熔断、安全认证网关的设计与开发经验。\n● NFV/SDN与智能网络：熟悉网络功能虚拟化（NFV）和软件定义网络（SDN）架构，能够利用智能网卡（SmartNIC/DPU）进行硬件卸载，实现网络功能的加速与灵活编排。\n加分项:\n● 有顶级开源社区（Linux Kernel、PyTorch、vLLM、LM cache、Envoy AI Gateway等）的实质性贡献经验。\n● 发表过系统优化、并行计算或AI相关的学术论文（CCF A/B类以上）。\n● 有大规模分布式系统的设计与实现经验，理解分布式系统的核心问题。",
    "standard_classification": {
        "std_category_code": "T018",
        "std_aux_codes": [
            "T014"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}