主分类：AI训练推理与计算优化
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 Infra软硬件结合开发工程师",
"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": "北京 / 杭州 / 上海 / 深圳",
"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": "在这里，你将成为大模型技术落地的“硬核引擎缔造者”。你将参与构建 AI Infra计算基础设施过程，从GPU单卡到多卡、超节点、万卡集群，通过软硬件协同优化技术，近距离与大模型设计者协同设计，通过融合算子设计、多卡分布式并行、计算通信融合、计算存储融合、通信存储融合、异构计算加速等软硬件结合优化技术，让每一个GPU发挥出极致性能，让大模型在训练、推理、调度全链路中的表现出卓越性能。你的代码将直接决定大模型训练的效率、推理的响应速度以及集群资源的利用率，为 AI 时代的算力底座注入核心动力。\n1、软硬件协同优化\n•负责软硬件协同设计，优化计算性能、能耗效率和系统稳定性；\n•针对特定应用场景（如AI推理、分布式存储、实时计算等），设计并实现高效的软硬件解决方案。\n2、基于FPGA/ASIC芯片的设计与开发\n•参与FPGA/ASIC芯片的RTL设计与验证，包括C-Model、算法映射、硬件架构设计和性能调优；\n•开发硬件抽象层（HAL）和相关工具链，支持硬件加速器与上层软件的无缝集成；\n•参与硬件加速器及系统仿真模型的开发和调试。\n3、计算平台软硬件结合技术开发和优化\n•研发基于CPU、GPU、FPGA、ASIC等硬件的计算平台，实现计算加速、计算算子、融合算子等开发优化，提升AI训练和推理等业务的计算性能；\n•基于自研芯片服务器，实现超节点ScaleUp互连管控、分布式并行计算研发、多卡高效通信与加速，实现AI和通用计算的超节点高效运行。\n4、操作系统与固件开发\n•优化Linux内核、设备驱动和固件，提升硬件资源利用率和系统响应速度；\n•开发针对特定硬件的定制化操作系统模块，满足高性能计算需求。\n5、开发者工具与生态建设\n•开发软硬件结合的开发者工具链（如SDK、CLI、IDE插件），降低开发门槛；\n•构建开放的技术生态，推动软硬件一体化解决方案的广泛应用。",
"requirements_text": "1、快速学习与创新能力\n•具备快速学习新技术的能力，能够不断突破软硬件结合领域的技术瓶颈；\n•对前沿技术保持敏感，勇于探索未知领域，随时准备好迎接新挑战；\n2、扎实的软硬件基础\n•熟悉计算机体系结构、操作系统原理、网络协议和分布式系统；\n•具备硬件设计经验（如FPGA、ASIC）或嵌入式开发经验，熟悉Verilog/VHDL等硬件描述语言；\n3、编程能力\n•精通至少一种编程语言（如C/C++、Python、Go），具备良好的代码风格和工程实践能力；\n•熟悉底层开发（如驱动开发、固件开发）和高性能分布式并行计算开发，熟悉CUDA kernel开发；\n4、广阔的技术视野\n•在软硬件结合领域有实际项目经验，能够从系统层面分析和解决问题；\n•熟悉云计算及相关产品，熟悉数据中心计算，存储，网络相关的技术；\n•了解前沿的AI技术，对AI所需的硬件系统有比较好的了解；\n5、团队协作与沟通能力\n•具备良好的沟通能力和团队协作精神，能够在跨团队项目中高效合作；\n•能够清晰表达技术方案，并推动复杂项目的落地实施。\n【加分项】\n1.有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先；\n2.开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力；\n3.对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全景视角；\n4.在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。",
"skills": [AI生成
"Python",
"C++",
"CUDA",
"Verilog",
"FPGA",
"自然语言处理",
"计算机视觉",
"分布式系统",
"模型训练",
"嵌入式",
"团队协作",
"沟通能力",
"解决问题",
"Go",
"智能体开发"
],
"preferred_qualifications": "【加分项】；1.有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先；4.在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907820018?deptCodes="
}
]
},
"posting": {
"posting_id": "199907820018",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907820018?deptCodes="
},
"fulltext": "AI Infra软硬件结合开发工程师\nAI Infra软硬件结合开发工程师\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 / 上海 / 深圳\n\n职位描述\n在这里，你将成为大模型技术落地的“硬核引擎缔造者”。你将参与构建 AI Infra计算基础设施过程，从GPU单卡到多卡、超节点、万卡集群，通过软硬件协同优化技术，近距离与大模型设计者协同设计，通过融合算子设计、多卡分布式并行、计算通信融合、计算存储融合、通信存储融合、异构计算加速等软硬件结合优化技术，让每一个GPU发挥出极致性能，让大模型在训练、推理、调度全链路中的表现出卓越性能。你的代码将直接决定大模型训练的效率、推理的响应速度以及集群资源的利用率，为 AI 时代的算力底座注入核心动力。\n1、软硬件协同优化\n•负责软硬件协同设计，优化计算性能、能耗效率和系统稳定性；\n•针对特定应用场景（如AI推理、分布式存储、实时计算等），设计并实现高效的软硬件解决方案。\n2、基于FPGA/ASIC芯片的设计与开发\n•参与FPGA/ASIC芯片的RTL设计与验证，包括C-Model、算法映射、硬件架构设计和性能调优；\n•开发硬件抽象层（HAL）和相关工具链，支持硬件加速器与上层软件的无缝集成；\n•参与硬件加速器及系统仿真模型的开发和调试。\n3、计算平台软硬件结合技术开发和优化\n•研发基于CPU、GPU、FPGA、ASIC等硬件的计算平台，实现计算加速、计算算子、融合算子等开发优化，提升AI训练和推理等业务的计算性能；\n•基于自研芯片服务器，实现超节点ScaleUp互连管控、分布式并行计算研发、多卡高效通信与加速，实现AI和通用计算的超节点高效运行。\n4、操作系统与固件开发\n•优化Linux内核、设备驱动和固件，提升硬件资源利用率和系统响应速度；\n•开发针对特定硬件的定制化操作系统模块，满足高性能计算需求。\n5、开发者工具与生态建设\n•开发软硬件结合的开发者工具链（如SDK、CLI、IDE插件），降低开发门槛；\n•构建开放的技术生态，推动软硬件一体化解决方案的广泛应用。\n\n职位要求\n1、快速学习与创新能力\n•具备快速学习新技术的能力，能够不断突破软硬件结合领域的技术瓶颈；\n•对前沿技术保持敏感，勇于探索未知领域，随时准备好迎接新挑战；\n2、扎实的软硬件基础\n•熟悉计算机体系结构、操作系统原理、网络协议和分布式系统；\n•具备硬件设计经验（如FPGA、ASIC）或嵌入式开发经验，熟悉Verilog/VHDL等硬件描述语言；\n3、编程能力\n•精通至少一种编程语言（如C/C++、Python、Go），具备良好的代码风格和工程实践能力；\n•熟悉底层开发（如驱动开发、固件开发）和高性能分布式并行计算开发，熟悉CUDA kernel开发；\n4、广阔的技术视野\n•在软硬件结合领域有实际项目经验，能够从系统层面分析和解决问题；\n•熟悉云计算及相关产品，熟悉数据中心计算，存储，网络相关的技术；\n•了解前沿的AI技术，对AI所需的硬件系统有比较好的了解；\n5、团队协作与沟通能力\n•具备良好的沟通能力和团队协作精神，能够在跨团队项目中高效合作；\n•能够清晰表达技术方案，并推动复杂项目的落地实施。\n【加分项】\n1.有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先；\n2.开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力；\n3.对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全景视角；\n4.在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。\n\n在招业务\n阿里巴巴控股集团 / 阿里云\n在这里，你将成为大模型技术落地的“硬核引擎缔造者”。你将参与构建 AI Infra计算基础设施过程，从GPU单卡到多卡、超节点、万卡集群，通过软硬件协同优化技术，近距离与大模型设计者协同设计，通过融合算子设计、多卡分布式并行、计算通信融合、计算存储融合、通信存储融合、异构计算加速等软硬件结合优化技术，让每一个GPU发挥出极致性能，让大模型在训练、推理、调度全链路中的表现出卓越性能。你的代码将直接决定大模型训练的效率、推理的响应速度以及集群资源的利用率，为 AI 时代的算力底座注入核心动力。\n1、软硬件协同优化\n•负责软硬件协同设计，优化计算性能、能耗效率和系统稳定性；\n•针对特定应用场景（如AI推理、分布式存储、实时计算等），设计并实现高效的软硬件解决方案。\n2、基于FPGA/ASIC芯片的设计与开发\n•参与FPGA/ASIC芯片的RTL设计与验证，包括C-Model、算法映射、硬件架构设计和性能调优；\n•开发硬件抽象层（HAL）和相关工具链，支持硬件加速器与上层软件的无缝集成；\n•参与硬件加速器及系统仿真模型的开发和调试。\n3、计算平台软硬件结合技术开发和优化\n•研发基于CPU、GPU、FPGA、ASIC等硬件的计算平台，实现计算加速、计算算子、融合算子等开发优化，提升AI训练和推理等业务的计算性能；\n•基于自研芯片服务器，实现超节点ScaleUp互连管控、分布式并行计算研发、多卡高效通信与加速，实现AI和通用计算的超节点高效运行。\n4、操作系统与固件开发\n•优化Linux内核、设备驱动和固件，提升硬件资源利用率和系统响应速度；\n•开发针对特定硬件的定制化操作系统模块，满足高性能计算需求。\n5、开发者工具与生态建设\n•开发软硬件结合的开发者工具链（如SDK、CLI、IDE插件），降低开发门槛；\n•构建开放的技术生态，推动软硬件一体化解决方案的广泛应用。\n1、快速学习与创新能力\n•具备快速学习新技术的能力，能够不断突破软硬件结合领域的技术瓶颈；\n•对前沿技术保持敏感，勇于探索未知领域，随时准备好迎接新挑战；\n2、扎实的软硬件基础\n•熟悉计算机体系结构、操作系统原理、网络协议和分布式系统；\n•具备硬件设计经验（如FPGA、ASIC）或嵌入式开发经验，熟悉Verilog/VHDL等硬件描述语言；\n3、编程能力\n•精通至少一种编程语言（如C/C++、Python、Go），具备良好的代码风格和工程实践能力；\n•熟悉底层开发（如驱动开发、固件开发）和高性能分布式并行计算开发，熟悉CUDA kernel开发；\n4、广阔的技术视野\n•在软硬件结合领域有实际项目经验，能够从系统层面分析和解决问题；\n•熟悉云计算及相关产品，熟悉数据中心计算，存储，网络相关的技术；\n•了解前沿的AI技术，对AI所需的硬件系统有比较好的了解；\n5、团队协作与沟通能力\n•具备良好的沟通能力和团队协作精神，能够在跨团队项目中高效合作；\n•能够清晰表达技术方案，并推动复杂项目的落地实施。\n【加分项】\n1.有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先；\n2.开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力；\n3.对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全景视角；\n4.在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}