logo of aliyun

阿里云软硬件结合开发工程师

实习兼职阿里云2026届实习生招聘地点:杭州 | 上海 | 深圳状态:招聘

任职要求


1. 快速学习与创新能力
   具备快速学习新技术的能力,能够不断突破软硬件结合领域的技术瓶颈。
   对前沿技术保持敏感,勇于探索未知领域,随时准备好迎接新挑战。
2. 扎实的软硬件基础
   熟悉计算机体系结构、操作系统原理、网络协议和分布式系统。
   具备硬件设计经验(如FPGA、ASIC)或嵌入式开发经验,熟悉Verilog/VHDL等硬件描述语言。
3. 编程能力
   精通至少一种编程语言(如C/C++PythonGo),具备良好的代码风格和工程实践能力。
   熟悉底层开发(如驱动开发、固件开发)和高性能计算优化。
4. 广阔的技术视野
   在软硬件结合领域有实际项目经验,能够从系统层面分析和解决问题。
   熟悉云计算及相关产品,熟悉数据中心计算,存储,网络相关的技术。
   了解前沿的AI技术,对AI所需的硬件系统有比较好的了解。
5. 团队协作与沟通能力
   具备良好的沟通能力和团队协作精神,能够在跨团队项目中高效合作。
   能够清晰表达技术方案,并推动复杂项目的落地实施。

工作职责


阿里云持续推进AI技术深化战略布局,围绕AI和云计算的基础设施建设、AI基础模型平台、企业级AI应用方向构建核心场景。为此,我们正在招募软硬件结合开发工程师,致力于打造下一代智能化软硬件一体化解决方案。
作为软硬件结合开发工程师,你将参与从底层硬件设计到上层软件优化的全流程研发工作,推动AI、云计算和大数据技术在高性能计算、异构计算等领域的创新与落地。具体职责包括但不限于以下方向:

岗位职责
1. 软硬件协同优化
   负责软硬件协同设计,优化计算性能、能耗效率和系统稳定性。
   针对特定应用场景(如AI推理、分布式存储、实时计算等),设计并实现高效的软硬件解决方案。
2. 基于FPGA/ASIC芯片的设计与开发
   参与FPGA/ASIC芯片的设计与验证,包括算法映射、硬件架构设计和性能调优。
   开发硬件抽象层(HAL)和相关工具链,支持硬件加速器与上层软件的无缝集成。
   参与硬件加速器及系统仿真模型的开发和调试。
3. 计算平台底层软件开发
   研发基于CPU、GPU、FPGA、ASIC等硬件的计算平台,提升AI训练和推理等业务的计算性能。
   基于自研芯片平台,进行驱动和固件等开发,支持深度学习框架等软件在硬件平台上高效运行。
4. 操作系统与固件开发
   优化Linux内核、设备驱动和固件,提升硬件资源利用率和系统响应速度。
   开发针对特定硬件的定制化操作系统模块,满足高性能计算需求。
5. 开发者工具与生态建设
   开发软硬件结合的开发者工具链(如SDK、CLI、IDE插件),降低开发门槛。
   构建开放的技术生态,推动软硬件一体化解决方案的广泛应用。
包括英文材料
分布式系统+
FPGA+
C+
C+++
Python+
Go+
相关职位

logo of aliyun
社招3年以上云智能集团

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。

更新于 2025-07-17
logo of aliyun
社招3年以上云智能集团

1. 负责研发AI异构计算软件栈,通过结合不同加速芯片的特性,实现AI计算的全链路优化,助力打造在业界具有竞争力的高可靠、高性能、高效率的大规模AI算力基础设施。 2. 结合具体业务场景,开展软硬件协同优化和技术创新(包括但不限于算子优化与编译、量化压缩,计算通讯融合,系统调度、分布式推理优化等工程任务),为实际业务提供卓越的性能和成本效益。 3. 洞察人工智能及深度学习的发展趋势,积极参与下一代AI基础设施的设计与研发。

更新于 2025-08-08
logo of didi
社招技术

参与L4级自动驾驶车辆安全与故障处置系统的研发工作,打造业界领先的自动驾驶安全体系: 1. 构建软硬件结合的安全系统,确保在传感器故障、计算单元软硬件异常等极端工况下,车辆始终处于安全状态。 2. 与功能安全专家紧密合作,将各种安全策略转化为可靠的代码实现,构建可扩展、高可靠的车辆异常诊断与处置中台。 3. 深入RoboTaxi无人化运营的业务场景,编写坚实可靠的异常处置逻辑,为全无人商业化运营提供核心技术支持。

更新于 2025-09-16
logo of pinduoduo
社招1年以上技术类

1、负责图像、NLP等场景AI项目在线服务部署和后端服务开发; 2、同AI算法工程师深度合作,分析推理模型性能瓶颈,在模型/框架层面软硬件结合优化,实现性能提升,满足业务需求; 3、深度学习框架性能优化,包括算子优化,图优化等通用优化,和硬件相关的优化,持续提升推理框架性能。

更新于 2025-09-30