阿里巴巴AI计算系统协同设计研发-阿里星
任职要求
1.计算机体系结构、人工智能、电子工程等相关领域博士，有顶会论文（ISCA/HPCA/ASPLOS/MICRO/OSDI/SOSP等）或芯片流片/大型系统开发经验者优先。 2.深入理解AI负载特性（如大模型、推荐系统、多模态），具备从…
工作职责
以真实AI负载为驱动，打通算法、系统、软件、芯片全栈壁垒，定义软硬协同的最优架构抽象层。 具体工作方向包括但不限于： 1.建立负载驱动的协同设计流程：从典型AI负载（大模型、多模态、推荐系统等）的计算与访存特征出发，推导指令集、内存层次与微架构需求。 2.设计可扩展的编译与运行时中间层，实现上层算法结构到底层硬件的高效映射，使架构原生适配负载演化趋势。 3.构建跨层级性能分析工具链，基于负载特征定位从算法到晶体管的瓶颈，并驱动软硬接口迭代优化。 4.探索面向未来负载（如长上下文、MoE、多模态）的架构协同设计方法论，输出下一代芯片的架构方案。
1、面向智算异构架构的操作系统协同研发，深度参与面向下一代智能操作系统架构设计与实现，聚焦 CPU/GPU/DPU 等异构硬件平台，重点覆盖任务调度、设备抽象、资源隔离等关键子系统，支撑大规模训练与高并发推理业务的稳定高效运行。 2、AI 软件栈与操作系统深度融合优化，结合主流 AI 软件栈从系统层面构建 System for AI 的端到端优化能力，针对大模型训练/推理中的通信瓶颈、显存压力、资源调度等场景，设计 OS 层面的调度策略、缓存机制与资源管控方案，提升整体吞吐、降低尾延迟、优化单位算力成本。 3、操作系统计算方向技术规划，跟踪学术界与工业界在 AI 系统软件领域的业界进展，结合云上真实业务负载，制定操作系统在调度、隔离、虚拟化、性能、能效等方向的技术演进路线。 4、确保操作系统研发方案交付满足业务预期，稳定性和性能符合基础软件的质量指标要求。 5、积极参与 Linux 内核上游社区、vllm/SGlang/Mooncake 等 AI 场景基础软件社区，包括团队相关技术领域专利/论文贡献，提升上游社区贡献度和团队技术影响力。
1、面向智算异构架构的操作系统协同研发，深度参与面向下一代智能操作系统架构设计与实现，聚焦 CPU/GPU/DPU 等异构硬件平台，重点覆盖任务调度、设备抽象、资源隔离等关键子系统，支撑大规模训练与高并发推理业务的稳定高效运行。 2、AI 软件栈与操作系统深度融合优化，结合主流 AI 软件栈从系统层面构建 System for AI 的端到端优化能力，针对大模型训练/推理中的通信瓶颈、显存压力、资源调度等场景，设计 OS 层面的调度策略、缓存机制与资源管控方案，提升整体吞吐、降低尾延迟、优化单位算力成本。 3、操作系统计算方向技术规划，跟踪学术界与工业界在 AI 系统软件领域的业界进展，结合云上真实业务负载，制定操作系统在调度、隔离、虚拟化、性能、能效等方向的技术演进路线。 4、确保操作系统研发方案交付满足业务预期，稳定性和性能符合基础软件的质量指标要求。 5、积极参与 Linux 内核上游社区、vllm/SGlang/Mooncake 等 AI 场景基础软件社区，包括团队相关技术领域专利/论文贡献，提升上游社区贡献度和团队技术影响力。
1. 深入研究 Transformer、MoE、Attention 等最前沿模型架构，设计并实现极致性能的计算算子； 2. 深入分析 AI 芯片硬件底层特性，软硬协同榨干芯片每一份性能潜力； 3. 深度参与主流推理与训练框架（如 Pytorch, vLLM, sglang）的优化，支撑 Qwen、DeepSeek 等千亿级参数模型的极速部署； 4. 追踪 AI 领域最新的加速技术方案，与架构团队共同定义下一代 AI 芯片，推进编程模型的演进。
1.基于自研 AI 芯片软件栈以及架构特点，研发和优化高性能算子，设计高效的数据流与计算流方案； 2.结合芯片计算单元和存储层次，构建可维护、可扩展的算子实现； 3.参与测试框架和性能分析体系的建设，提升算子研发效率、质量保障能力和生态易用性； 4.与编译器、runtime及业务团队协作，推动模型在自研芯片上的端到端性能优化与落地。