阿里云阿里云智能-终端智能创新业务 音频系统开发专家-杭州/北京/深圳
任职要求
1. 计算机科学、电子工程、通信、声学或相关专业本科及以上学历。 2. 5 年以上 Android 系统底层或 Linux/嵌入式音频开发经验，在 Android 音频子系统领域有深厚的工程积累。 3. 精通 Android 音频架构，深入理解 AudioTrack/AudioRecord/AudioFlinger/AudioPolicy/Audio HAL的数据流与控制流机制。 4. 熟悉ALSA架构，对混音器驱动、音频路由配置（PCM/Routing）及音频策略有实操经验。 5. 精通 C/C++ 与 Java，熟悉 Binder 跨进程通信，有良好的多线程编程与内存管理能力。 6. 熟练掌握 Perfetto、Systrace…
工作职责
1. 负责 Android Audio 框架层（AudioFlinger, AudioPolicy等）的深度定制，打通多媒体上层与底层音频通路，优化音频路由机制、重采样与多路混音性能。 2. 主导 Audio HAL（HIDL/AIDL）的架构设计与核心开发，打通 TinyALSA/ALSA 与底层音频芯片（Codec、SmartPA）的连接，提供稳定的硬件抽象支持。 3. 针对游戏、乐器模拟、直播等场景，运用 AAudio/Oboe 等超低延迟音频通路进行深度优化，攻坚并解决系统级音频卡顿（Glitch/Under-run）和音画不同步问题。 4. 设计并实现复杂场景下的音频焦点（AudioFocus）管理、音量曲线动态校准、多通路并发录播策略，以及外接音频设备（USB/蓝牙/Type-C）的智能动态路由。 5. 负责声学前处理算法（AEC、NS、AGC 等）以及空间音频、第三方音效（Dolby、DTS）在框架层或 DSP 侧的集成打通、性能优化与效果调优。
1. 音视频底层架构打通： 负责 Android 媒体框架层的深度定制，打通 MediaCodec 与 AudioFlinger 底层，提供完善的硬件加速支持，提升多媒体播放与处理性能； 2. 图形栈与触控优化： 深入 Android 图形渲染系统，主导 SurfaceFlinger 的深度优化；重构与优化 Input Dispatcher 层，极致降低触控和手写笔的输入延迟； 3. 多屏与桌面化显示架构： 负责大屏设备的多屏异显（DP Out）架构设计与开发；实现鼠标指针的高精度渲染与硬件加速，优化高刷屏的动态调度（Dynamic Refresh Rate）机制； 4. 办公/会议场景专项攻坚： 针对 PC/Pad 高频视频会议场景进行系统级优化，包括但不限于 Camera HAL 层的降噪处理，以及 Audio 硬件级的回声消除（AEC）支持与调优； 5. 性能调优与架构演进： 解决图形显示与音视频相关的系统级性能瓶颈（如掉帧、卡顿、音画不同步等），跟进 AOSP 最新多媒体与图形栈的技术演进。
1. 架构设计和验证：主导Android/Linux多系统融合的技术战略规划，负责从选型调研到整体架构设计的全链路验证；包括资源隔离、跨域通信、系统安全及硬件资源共享（GPU/NPU/多媒体编解码）等核心技术领域； 2. 前沿技术转化：跟进全球前沿的OS虚拟化技术（如MicroVM、AVF、Hypervisor等）在AI创新业务中方向和落地场景，保持技术架构的先进性；制定内部技术规范与标准，积极推动生态化建设； 3. 量产落地攻坚：驱动技术方案在核心产品中的规模化落地，针对系统集成中的关键卡点（如性能瓶颈、兼容性冲突）提出创新性解决方案，确保项目高质量交付。
1. 音视频底层架构打通： 负责 Android 媒体框架层的深度定制，打通 MediaCodec 与 AudioFlinger 底层，提供完善的硬件加速支持，提升多媒体播放与处理性能； 2. 图形栈与触控优化： 深入 Android 图形渲染系统，主导 SurfaceFlinger 的深度优化；重构与优化 Input Dispatcher 层，极致降低触控和手写笔的输入延迟； 3. 多屏与桌面化显示架构： 负责大屏设备的多屏异显（DP Out）架构设计与开发；实现鼠标指针的高精度渲染与硬件加速，优化高刷屏的动态调度（Dynamic Refresh Rate）机制； 4. 办公/会议场景专项攻坚： 针对 PC/Pad 高频视频会议场景进行系统级优化，包括但不限于 Camera HAL 层的降噪处理，以及 Audio 硬件级的回声消除（AEC）支持与调优； 5. 性能调优与架构演进： 解决图形显示与音视频相关的系统级性能瓶颈（如掉帧、卡顿、音画不同步等），跟进 AOSP 最新多媒体与图形栈的技术演进。
1、公司全场景智能搜索业务，通过搜索算法/技术，提升用户体验核心指标； 2、负责Query引导模式挖掘，通过前沿的NLP,NLG等算法手段，深挖用户Query表达交互规律； 3、结合业务需求，对供给的信息和服务进行画像刻画建立高效索引，提升召回和排序效果; 4、跟踪终端A领域相关推荐或者机器学习算法发展趋势，对前沿技术结合产品业务进行实验及落地。