阿里巴巴AI Infra工程师

任职要求

1. 基础条件：
● 计算机、软件工程等相关专业优先。
● 热衷于数据结构和算法、在ACM大赛成绩优异者优先；有顶会论文/高影响项目/开源贡献者加分。
2. 专业能力：
● 系统工程与编程能力：具备良好的系统工程基础，熟悉 Linux 开发环境，掌握 Python、Go、Java 等至少一门编程语言，具备扎实的工程实现能力。
● 分布式系统：了解分布式系统基本原理（如一致性、容错、扩展性等）。
● AI 系统领域专业知识：对于以下领域中的一项或者多项具备专业能力
    ○ 了解 AI 的基本原理与常见算法，理解模型训练任务的基本流程及其资源需求。
    ○ 了解主流训练推理…

工作职责

在这里，你将成为大模型技术落地的“幕后推手”。你将参与构建支撑千卡/万卡规模的 AI 计算基础设施，通过软硬件协同优化，解决大模型在训练、推理、调度全链路中的工程挑战。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。

具体的职责包括以下相关方向的一项或多项：
1. 算力基建与分布式训练：
● 深入分布式训练架构，优化通信与底层算子性能，解决大规模集群通信瓶颈，提升模型训练的吞吐量与计算效率。参与研究新的训练框架和模式。
极致推理加速：
● 针对大规模推理场景，研发高性能推理引擎，通过kernel、框架、与算法结合的有损优化等手段，实现极致的低延迟与高并发。
2. 智能化资源调度与系统：
● 构建大规模 GPU 集群的统一调度与编排系统，实现算力资源的弹性分配与自动化调度，设计与优化面向 AI 计算场景的高性能通信、存储系统，保障海量任务的极致的效率。
3. 工程效率与平台化建设：
● 打造一体化的平台，覆盖大模型研发和迭代的全流程，降低模型迭代门槛，提升研发效能。