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": "大模型Infra研发工程师（训练/推理）",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云 / Token Foundry",
"location": "北京 / 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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责大模型全链路训练优化，攻克 Scaling Law 过程中的分布式性能瓶颈，提升 MFU（算力利用率）和训练稳定性，保障万亿级参数模型的交付；\n2. 设计并研发领先的推理引擎，包括但不限于算子融合、动态图优化、量化压缩（FP8/INT4）、高效 CUDA 算子开发等，降低模型在线时延与计算成本；\n3. 针对特定业务场景，进行软硬件联合优化，实现从预训练、SFT、RLHF 到模型部署的端到端技术突破。",
"requirements_text": "1. 本科及以上学历，计算机、人工智能、软件工程、数学相关专业优先；\n2. 精通 C++/Python，具备卓越的工程实现能力；熟练掌握 PyTorch 或 TensorFlow，深入理解其内部机制及算子实现；\n3. 熟悉 GPU 硬件架构及并行计算原理，掌握主流训练框架或推理框架；\n4. 熟悉 Transformer 架构，对模型量化、蒸馏、剪枝或算子优化（CUDA/Triton）中的某一项有深入研究或实践经验。\n5. 具备极佳的逻辑分析能力和数理基础，对前沿问题有持续热情，能适应快节奏的研发环境，具有跨学科协作意识。\n【加分项】\n1. 科研影响力： 在 NeurIPS, ICLR, ICML, ACL, OSDI, SOSP 等计算机顶会以第一作者发表过论文；\n2. 深度参与过主流 MLSys 相关开源项目（如 vLLM, OpenRLHF, Megatron 等）的开发或在 ACM/ICPC、Kaggle 等竞赛中获得过顶尖名次。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"CUDA",
"分析能力"
],
"preferred_qualifications": "1. 本科及以上学历，计算机、人工智能、软件工程、数学相关专业优先；【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/199907820095?deptCodes="
}
]
},
"posting": {
"posting_id": "199907820095",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907820095?deptCodes="
},
"fulltext": "大模型Infra研发工程师（训练/推理）\n大模型Infra研发工程师（训练/推理）\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\n\n职位描述\n1. 负责大模型全链路训练优化，攻克 Scaling Law 过程中的分布式性能瓶颈，提升 MFU（算力利用率）和训练稳定性，保障万亿级参数模型的交付；\n2. 设计并研发领先的推理引擎，包括但不限于算子融合、动态图优化、量化压缩（FP8/INT4）、高效 CUDA 算子开发等，降低模型在线时延与计算成本；\n3. 针对特定业务场景，进行软硬件联合优化，实现从预训练、SFT、RLHF 到模型部署的端到端技术突破。\n\n职位要求\n1. 本科及以上学历，计算机、人工智能、软件工程、数学相关专业优先；\n2. 精通 C++/Python，具备卓越的工程实现能力；熟练掌握 PyTorch 或 TensorFlow，深入理解其内部机制及算子实现；\n3. 熟悉 GPU 硬件架构及并行计算原理，掌握主流训练框架或推理框架；\n4. 熟悉 Transformer 架构，对模型量化、蒸馏、剪枝或算子优化（CUDA/Triton）中的某一项有深入研究或实践经验。\n5. 具备极佳的逻辑分析能力和数理基础，对前沿问题有持续热情，能适应快节奏的研发环境，具有跨学科协作意识。\n【加分项】\n1. 科研影响力： 在 NeurIPS, ICLR, ICML, ACL, OSDI, SOSP 等计算机顶会以第一作者发表过论文；\n2. 深度参与过主流 MLSys 相关开源项目（如 vLLM, OpenRLHF, Megatron 等）的开发或在 ACM/ICPC、Kaggle 等竞赛中获得过顶尖名次。\n\n在招业务\n阿里云 / Token Foundry\n1. 负责大模型全链路训练优化，攻克 Scaling Law 过程中的分布式性能瓶颈，提升 MFU（算力利用率）和训练稳定性，保障万亿级参数模型的交付；\n2. 设计并研发领先的推理引擎，包括但不限于算子融合、动态图优化、量化压缩（FP8/INT4）、高效 CUDA 算子开发等，降低模型在线时延与计算成本；\n3. 针对特定业务场景，进行软硬件联合优化，实现从预训练、SFT、RLHF 到模型部署的端到端技术突破。\n1. 本科及以上学历，计算机、人工智能、软件工程、数学相关专业优先；\n2. 精通 C++/Python，具备卓越的工程实现能力；熟练掌握 PyTorch 或 TensorFlow，深入理解其内部机制及算子实现；\n3. 熟悉 GPU 硬件架构及并行计算原理，掌握主流训练框架或推理框架；\n4. 熟悉 Transformer 架构，对模型量化、蒸馏、剪枝或算子优化（CUDA/Triton）中的某一项有深入研究或实践经验。\n5. 具备极佳的逻辑分析能力和数理基础，对前沿问题有持续热情，能适应快节奏的研发环境，具有跨学科协作意识。\n【加分项】\n1. 科研影响力： 在 NeurIPS, ICLR, ICML, ACL, OSDI, SOSP 等计算机顶会以第一作者发表过论文；\n2. 深度参与过主流 MLSys 相关开源项目（如 vLLM, OpenRLHF, Megatron 等）的开发或在 ACM/ICPC、Kaggle 等竞赛中获得过顶尖名次。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}