阿里云阿里云智能-操作系统 AI 软硬协同优化开发专家-杭州

核心职责： 围绕 AI 场景的系统瓶颈和能力短板，结合存储/DPU/CPU/GPU 的软硬件特性设计全栈协同优化，提升 OS 对 AI Infra 服务的有效可用时长，优化系统吞吐和延迟表现，提高 AI Infra 的综合性价比。 1、技术方案设计：收集和分析客户业务场景需求，转化为研发需求输入，确定技术方案的目标、范围和交付成果。 2、技术实现：熟悉存储/DPU/CPU/GPU 技术栈，负责操作系统 AI 存储方向的优化项目，承担从需求交流与分析，设计开发，以及线上维护等全流程研发工作；并能指导团队成员，攻克复杂技术难题，通过合理的团队分工和代码评审，确保工程化落地。 3、稳定性和性能优化：具备 AI 存储领域的线上问题兜底能力，保障客户业务线上稳定性运行；能运用产品化技术和方法，分析并优化客户业务的存储性能。 4、技术规划：了解业界 AI Infra 存储方向的发展趋势，结合 AI 训练和推理对存储的诉求，形成操作系统 AI 存储方向的技术规划。

1. 存储和 AI infra 研发，开发和调优高性能通信框架，包括多线程任务调度、零拷贝内存管理、多协议自适应 RPC 等，聚焦云存储（EBS/OSS/DFS/CPFS）与 AI 智算场景的网络基础设施，主导下一代高效稳定的存储网络技术体系构建。 2. 主导 RDMA 技术栈的深度优化，探索 DPU/CIPU 异构计算架构下的软硬协同设计方案，研究Falcon/UET 等新型网络协议的适用场景，推动协议层与存储/计算框架的深度集成。 3. 开发基于 BF3 的智算网络加速方案，实现高带宽低延迟大规模 AI 数据流处理。 4. 参与建设网络框架监控、智能运维体系，在保障网络高性能的同时，兼顾可控、可靠、可视化。

1. 技术方案设计 ● 了解并分析ECS基础设施（如神龙MoC卡 + 宿主机）在系统稳定性与高可用方面的设计目标； ● 根据业务需求，评估技术可行性，参与方案评审，完成技术选型、功能设计、系统架构、数据结构和开发流程的规划。 2. 技术实现 ● 参与虚拟机故障逃生等创新性技术的研发工作，能根据整体方案拆解任务，独立完成模块设计、编码和系统功能开发； ● 负责故障检测、隔离、恢复、数据一致性校验等核心功能的架构设计和代码实现，持续优化系统性能； ● 参与代码评审和阶段性讨论，通过调试和优化，确保代码高质量交付； ● 负责开发和上线后的系统维护，包括值班响应、问题排查、故障诊断、体验优化、性能与成本调优等； ● 编写必要的技术文档，如操作手册、排障指南、API说明等，支持团队运维和问题处理。 3. 系统稳定性与性能优化 ● 运用优化方法和技术手段，提升系统的安全性、稳定性和运行效率，保障ECS基础设施的可靠运行，改善客户使用体验。 4. 技术预研 ● 跟踪系统可靠性（RAS）和高可用技术的发展趋势，结合实际业务需求，提出可行的技术建议和架构改进方案。 5. 技术规划 ● 深入理解业务方向，结合长期发展需求，制定高可用、高可靠、易扩展的技术架构规划，并推动落地实施。

1、服务器软硬件一体系统设计与开发：基于产品需求分析，进行整体技术方案设计、开发和验证交付。 2、系统性能优化：对服务器进行软硬件一体性能优化和分析，实现软件系统稳定性/性能的提升。 3、系统测试与维护：对软硬件系统进行集成验证交付，对系统性问题进行分析定位，快速解决，保证满足系统性能、稳定性等要求。