阿里云阿里云智能-服务器研发业务解决方案专家-深圳/杭州
任职要求
1. 熟悉服务器产品系统级应用和解决方案以及周边关键部件和产品能力，对数据敏感，具备良好的数据的量化和分析能力。5年以上硬件架构设计、产品管理、软件架构设计、系统测试等相关领域工作经验。 2. 对于问题的识别、优先级分配见解有影响力，…
工作职责
1. 技术规划和落地：负责硬件产品技术规划，主导包括系统方案/架构/配置及工业化设计、硬件核心技术创新，并深入到供应商的研发端，审核、监督设计过程，提前管理设计的需求匹配性及质量风险；持续跟踪软硬件相关领域的技术发展趋势，深入业务场景规划和推动新技术的规划和落地。 2. 架构与解决方案设计：针对阿里大规模服务器或网络应用场景的需求分析，负责端到端的服务器软硬件架构规划、网络软硬件架构规划及整体产品解决方案（包含但不限于芯片，存储，计算，网络等），输出市场需求书MRD，产品需求书PRD，产品规格书等关键文档。制定合理的产品生命周期规划，做从需求分析到EOL的全生命周期管理。及时跟踪业界动态，针对性进行相关竞品分析和信息收集，保障解决方案的先进性。 3. 持续优化：分析业务整体逻辑/业务软件实现等，结合系统软硬件能力提出针对性的解决方案/研发项目。对业务软件进行性能分析，结合系统软硬件适配调优，优化业务性能瓶颈。
1、负责服务器BIOS 自主研发及产品交付和维护，能主导需求分析、版本管理、功能开发与测试，线上运维全生命周期研发，保障产品高质量交付。 2、负责海量服务器硬件组件的BIOS 统一化定制， 与厂商协同研发并指导其开展工作，推动 BIOS 研发标准化，测试自动化。 3、负责服务器BIOS/CPU领域RAS、故障定位系统、系统性能调优、安全、功耗等竞争力特性的策略制定、方案落地。 4、结合阿里业务应用场景，开拓BIOS技术发展方向，引领行业标准建设，并推动相关技术产品化落地。
1、负责产品的硬件设计交付，实现产品化，对产品端到端交付质量运维负责，辅助并督导上游ODM/OEM开展设计和质量运维保障工作； 2、对标业界标杆，引入先进质量运维管理方法，并制定相关产品的全流程质量运维管控方案并主导实施，开展供应商质量审核、质量体系评估、运维能力管理，确保改善措施的有效实施； 3、主导分析解决和预防重大产品质量运维问题，主导产品质量问题分析、定位及质量问题的处理与预防； 4、负责大规模服务器从交付到退役的全生命周期运维工作，包括新机型导入（NPI）、操作系统安装、维修、硬件监控、硬件重构、服务器管理等运维自动化系统架构、设计、研发，确保交付质量与效率满足SLA要求； 5、参与制定服务器可靠性标准及平台建设，负责风险应急处置，保障系统稳定性，提升业务的安全性与可持续性； 6、持续跟踪硬件相关领域的技术发展趋势，结合对阿里业务应用场景的深入分析，并推动相关技术的产品化实现。
1、负责产品的硬件设计交付，实现产品化，对产品端到端交付质量运维负责，辅助并督导上游ODM/OEM开展设计和质量运维保障工作； 2、对标业界标杆，引入先进质量运维管理方法，并制定相关产品的全流程质量运维管控方案并主导实施，开展供应商质量审核、质量体系评估、运维能力管理，确保改善措施的有效实施； 3、主导分析解决和预防重大产品质量运维问题，主导产品质量问题分析、定位及质量问题的处理与预防； 4、负责大规模服务器从交付到退役的全生命周期运维工作，包括新机型导入（NPI）、操作系统安装、维修、硬件监控、硬件重构、服务器管理等运维自动化系统架构、设计、研发，确保交付质量与效率满足SLA要求； 5、参与制定服务器可靠性标准及平台建设，负责风险应急处置，保障系统稳定性，提升业务的安全性与可持续性； 6、持续跟踪硬件相关领域的技术发展趋势，结合对阿里业务应用场景的深入分析，并推动相关技术的产品化实现。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。