蚂蚁金服蚂蚁集团-AI创新人才通道-【AI Force】

我们是谁？ AI Force是蚂蚁集团旗下专注于智能企业服务的板块，致力于打造AI原生的分布式共享服务平台，融合AI模型与业务流程，为企业提供线上业务托管、线下能力托管及离岸研发服务，旨在通过AI助力企业提高运营效率，提升客户体验，改进经营效果。 在这里，我们会参与到最前沿的AI Agent研发和大模型探索应用，也能够接触大规模金融决策场景、海量数据，挑战高复杂金融业务命题，与国内一流的工程师一起驱动AI对行业的革新。 在这里，我们更注重人与事的协同发展，我们有浓厚的技术氛围、学以致用的探索精神，助力职业生涯的非线性成长。 真诚地邀请你加入我们，一起驱动AI技术发展，创造AI变革金融行业的新高度。 岗位亮点： 1. 加入拥有国民级产品的蚂蚁集团，学习和理解蚂蚁独有的业务方法论。 2. 亲身参与蚂蚁集团的创新业务，感受来自当前最火热的大模型赛道的一线AI战场。 3. 参与跨多个异构复杂业务场景的AI产品解决方案设计，提升自己在AI时代的职业竞争力。 4. 成长空间大，发展机会多，也为职业生涯的厚度加码 。

高德信息算法专项招聘方向 业务背景 高德地图作为行业领先的出行平台，持续探索AI与大数据技术在地图、导航、出行服务等领域的创新应用，现面向算法、工程、数据领域招聘顶尖人才，推动技术驱动业务增长与用户体验升级。 核心岗位方向 算法与AI应用 1. 推荐与个性化算法：负责用户兴趣建模、个性化推荐系统设计与优化（覆盖推荐算法专家、个性化推荐/搜索算法工程师）。 2. 广告算法：优化广告预估模型、创意策略、流量分配机制及增长路径（需熟悉CTR/CVR预估、机制设计）。 3. 强化学习与智能决策：研究强化学习在路径规划、动态资源分配等场景的落地应用。 4. 多模态内容理解：探索文本、图像、时空数据融合的多模态算法，提升内容分析与场景理解能力。 搜索与数据技术 1. 搜索算法：优化搜索排序、语义理解及RAG（检索增强生成）引擎开发（需熟悉NLP、信息检索技术）。 2. 用户画像与增长：构建用户行为分析体系，驱动商家/用户增长策略（需具备数据挖掘与增长分析经验）。

专项介绍 “文心登峰技术培训生计划”作为百度技术人才招募专项，旨在发掘和培养怀抱技术信仰、才华横溢的技术领军人才。本项目将面向全球招募一批顶尖技术人才，邀请他们参与到最前沿的技术项目中。 加入我们，意味着您将加入顶尖AI技术团队，在百度首席技术官（CTO）王海峰老师的亲自指导下，接受最有挑战的技术难题。在这里，你将引领AI时代，用技术塑造未来。 项目亮点 * 高管亲自带教：由百度CTO王海峰博士亲自指导 * 前沿项目攻坚：参与百度重大技术项目，匹配海量算力及数据资源支持 * 定制化培养：核心项目历练，重点培养，快速提升技术能力和影响力 * 超快成长通道：为年轻高潜人才突颖而出提供快速成长通道 研究方向 * 大模型，深度学习框架，高性能计算等

团队介绍：字节跳动STE团队一直致力于操作系统内核与虚拟化，系统基础软件与基础库的构建和性能优化、超大规模数据中心的系统稳定性和可靠性建设、新硬件与软件的协同设计等基础技术领域的研发与工程化落地，具备全面的基础软件工程能力，为字节上层业务保驾护航。 课题介绍： 背景：在当今数字化时代，随着云计算、人工智能和大数据技术的深度融合，现代数据中心正面临着指数级增长的算力需求与现有计算架构效能瓶颈之间的突出矛盾。传统以通用CPU为核心的体系架构在应对多样化负载时，暴露出诸多问题。例如，内存子系统带宽与时延约束导致的 “内存墙” 效应持续加剧，异构计算单元间的数据搬运开销占比超过实际运算时间，安全可信执行环境带来的性能损耗超过 30%，单机柜算力密度提升受限于功耗密度阈值。与此同时，新兴工作负载如AI训练、图计算、时序数据库等呈现出动态异构特征，对计算架构提出了差异化需求，传统固定架构难以实现最优能效比。 操作系统作为计算机体系结构下重要的软件基础设施与核心技术，在这样的背景下也面临着巨大的挑战。随着计算需求的增长和技术的进步，传统的同构计算环境已无法满足日益复杂的计算任务。现代计算场景中，硬件架构呈现高度异构化，包括 CPU、GPU、FPGA、TPU、NPU、DPU 等，同时边缘计算、云计算形成分布式网络。传统操作系统难以高效管理跨节点、跨架构的资源。加之人工智能训练等场景需要低延迟、高吞吐、安全可信，动态弹性的分布式系统支持，这就要求操作系统具备跨异构资源的统一抽象与调度能力。学术界和工业界对下一代计算机操作系统在分布式微内核架构，异构资源调度算法，跨层优化与编译器支持，安全可信技术，虚拟化和 Serverless，AI 驱动操作系统内核优化以及操作系统内置 AI 推理引擎等方面展开了积极的探索和研究。 课题挑战： 方向一：体系化结构方向 1）负载特征与架构优化：建立数据中心动态负载特征建模框架，深入研究面向数据中心Workload的体系结构设计与优化方法，使系统能够更好地适应多样化的负载需求； 2）CPU核心架构创新：研究高性能低功耗CPU核心架构，积极探索超标量流水线与数据流引擎的融合设计，提升CPU的性能和能效； 3）新型内存层次构建：构建支持存算一体化的新型内存层次结构，研究基于3D堆叠技术的近存计算架构，重点突破高带宽互连拓扑优化、混合内存控制器设计、内存访问模式预测算法，解决 “内存墙” 等问题； 4）安全可信架构构建：构建安全可信计算架构，包括侧信道攻击防御的微架构级实现、侧信道安全架构、自动侧 / 隐蔽通道泄漏检测，确保系统在复杂环境下的安全性和完整性； 5）数据中心架构创新：探索整机柜级系统总线扩展，构建内存语义互联的新型数据中心架构，研究基于新型总线协议 (CXL/UALink) 的全局内存共享机制，提升数据中心的整体性能和资源利用率； 6）可靠性增强技术研究：研究可靠性增强技术，包括开发基于机器学习的故障预测模型，设计自修复的微架构容错机制，研究硬件静默故障检测，以及系统及IP可靠性特性研究和数据分析，保障系统的稳定运行。 方向二：操作系统方向 1）操作系统关键技术突破：突破传统单机操作系统存在的硬件资源利用局限、功能扩展与升级运维复杂、数据管理与共享不足、安全性与可靠性欠佳等问题。在计算高度异构以及计算环境分布化的情况下，从硬件到软件建立完整的信任链，保证整个系统的安全性和完整性。同时，有效地管理和协调多个节点间的通信、数据同步及故障恢复，设计高效的调度算法来匹配任务需求与最适合的计算资源，以最大化性能和效率。操作系统需要能够理解不同类型的计算任务，并能根据实时的工作负载动态调整资源分配，实现跨异构资源的统一抽象与调度； 2）跨领域知识融合：本课题需要融合 OS、内核、算法、存储、虚拟化、网络、系统工程等多方面的跨领域知识和经验，以实现数据中心智能计算体系结构与操作系统的协同创新。