阿里云阿里云智能-AI性能优化技术专家-软硬协同加速-杭州
任职要求
1. 熟悉深度学习算法，对AI深度学习相关知识和技术栈有清晰的理解和认系统性的认知； 2. 熟悉AI部署和推理流程，工程能力强，具备独立工程研发、性能分析和落地能力； 3. 熟悉常见的性能分析及优化加速方法； 4. 熟悉硬件，有GPU优化和算子优化相关经验和能力； 5. 学习和研究能力强，能够快速掌握新领域和新技术，并具备创新能力；思考沟通表达能力强。
工作职责
1. 负责研发AI类算法的计算性能优化能力，解决大模型等情境的算力和访存瓶颈，提升AI模型在GPU、AI加速器等硬件上部署性能和效率，推动大模型普惠应用和高性价比的竞争力； 2. 负责研发业界SOTA的计算性能优化算法创新和工程落地，增强技术壁垒，并在云的商业业务中产生核心价值； 3. 负责高性能AI基础设施的构建，基于软硬结合的计算性能优化能力，在AI类业务场景尤其是大模型场景下，通过结合模型算法和硬件来充分挖掘软硬协同的组合优化潜力，实现单一领域无法达到的优化边界和收益，带来高价值的性能和成本优势。
1. 依据公共云统一架构、OpenAPI规范、软件技术栈以及交付运维体系，负责专属云产品的研发与交付。深度参与灵骏裸金属服务器及EGS云计算服务器的研发流程，包括硬件架构预研、方案设计、软硬件结合的系统优化、线上服务质量保证以及提供专家技术支持等关键环节，确保产品从研发到运维的全生命周期高效管理。 2. 跟踪并把握GPU架构设计的发展趋势，探索前沿的GPU架构设计技术。联合高性能网络团队共同设计网络互联架构，针对分布式训练和推理业务场景，在软硬件协同及高性能网络方向上寻找性能优化的新途径，构建阿里云加速计算云服务器的核心竞争力。 3. 研发并持续改进系统的稳定性和安全性，确保平台的安全可靠运行，并不断提升对外服务质量标准。
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.负责分析硬件加速特征与内部拓扑结构，设计硬件优化实践和调优方案，并主导优化实现，充分发挥硬件潜能，确保性能符合预期。 2.结合主流LLM推理框架 (如sglang/vLLM) 和 大模型结构及计算特征，设计面向框架性能分析和优化插件并主导实现。 3.提供场景化的定制优化能力，识别并解决大模型在不同业务场景下的性能瓶颈，快速的给出满足需求的性能优化方案，并推动业务的交付应用。 4.洞悉大模型的发展趋势和硬件技术演进，结合软硬件优化的经验和数据，分析硬件的发展趋势，提炼AI硬件规格需求，形成软硬结合技术规划。
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。