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
任职要求
1、技术开发能力：精通 1-2 种系统开发编程语言，如 C、Python、Rust 等，具备系统软件开发、调试和性能优化能力。 2、操作系统优化经验：深入理解 Linux 内核一个或多个子系统，如内存管理、文件系统等，具备根据业务需求对内核组件开发和优化能力。 3、跨软硬件领域的技术储备：具备系统软件定性、定量的性能分析能力，能识别系统中存在的瓶颈点并提出优化方案闭环；结合硬件 offload 能力与存储组件的协同设计，…
工作职责
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。
围绕 AI 场景的系统瓶颈和能力短板，结合存储/DPU/CPU/GPU 的软硬件特性设计协同全栈优化，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，提升 AI Infra 的综合性价比。 1、AI 优化特性开发：在充分掌握存储/DPU/CPU/GPU 技术栈的基础上，能够完成核心代码的编写和实现，指导团队成员，攻克复杂技术难题，并通过合理的团队分工和代码评审，确保工程落地。 2、参与 AI 新机型的操作系统适配和研发，能够完成新硬件功能代码的移植和优化，攻克复杂技术难题，使得新机型上线符合单租（普通容器形态）和多租（安全容器形态）业务预期。 3、负责制定和优化 AI 新机型研发的交付验收标准，达成业务稳定交付、快速交付和性能优化的目标，持续打造新机型上的系统软件技术竞争力。 4、技术规划：了解学术界工业界 AI Infra 的发展趋势，包括超节点服务器，以及开源社区的相关项目，在深入理解业务场景的前提下，完成操作系统南向软硬件协同优化的技术规划。
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. 负责智能硬件产品的系统级功能与性能测试，覆盖操作系统、中间件、应用层及软硬协同场景； 2. 针对复杂系统架构中的偶发性问题（如死机、重启、卡顿、音视频异常等），设计并实施高效、可复现的测试方案； 3. 开发与维护自动化测试工具与框架，提升偶现问题的复现效率与回归验证速度； 4. 构建性能量化评估体系，开发自动化工具对CPU/GPU负载、内存泄漏、功耗、响应时延等关键指标进行持续监控与分析； 5. 主导测试策略制定，推动测试左移与质量内建，持续优化测试流程与方法论，引领系统测试领域技术演进，提升整体系统性能稳定性与用户体验。
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。