小米性能与内存DFX设计实习生
任职要求
1、具备系统性思维，能独立完成需求分析和技术方案文档的撰写；
2、了解 Android 应用或系统层的性能/内存指标体系（启动耗时、Jank、P…工作职责
1、参与 Android 系统性能与内存领域的 DFX（可测试性、可诊断性、可观测性）体系设计； 2、梳理和规范性能/内存问题的采集点、日志格式、告警机制，形成 DFX 设计规范文档； 3、设计并实现自动化问题发现流水线：从数据埋点 → 异常检测 → AI 辅助归因 → 闭环报告； 4、与研发、测试、运维同学协作，将 DFX 能力集成到 CI/CD 及灰度监控系统中。
1. 功耗测试流程搭建：主导DDR/LPDDR DRAM功耗与性能测试分析，针对手机端DOU场景设计并实施标准化测试流程，输出测试结果与优化建议； 2. 模型搭建与验证：分析DRAM工作原理，针对不同系统应用场景完成功耗模型的搭建、校准与验证，为产品前期功耗预估提供数据支撑与决策依据； 3. 根因分析与优化：研究平台电压、工作频率、工作模式等关键因素对DRAM功耗的影响机制，定位功耗异常及时序裕量不足等复杂问题，输出根因分析报告与改善方案； 4. 跨团队协作闭环：协同电路设计、模组设计等团队推动功耗优化措施落地，完成问题闭环与技术方案评估； 5. 方法沉淀与数据库建设：沉淀测试方法，建设功耗数据库，迭代模型精度与测试效率，保障新品内存功耗指标达标。
1.参与性能工具链的研发与迭代； 2.对主流游戏引擎进行性能分析与调优，提升游戏在各种平台上的视觉表现和运行效率； 3.结合数据平台及AI协作，识别游戏性能瓶颈，产出可执行的优化方案与技术建议。
随着人工智能技术的飞速发展，AI 大模型对计算资源的需求日益增长。数据中心作为支撑 AI 运算的基础设施，其网络性能和稳定性直接影响 AI 模型训练的效率和推理准确性。然而，当前的数据中心网络在处理大规模数据传输、高并发请求以及复杂网络拓扑时仍然面临诸多挑战。为此，开发新一代数据中心网络技术意在提升网络传输速度、降低延迟、增强网络的容错以及故障定位等能力，对于推动 AI 技术的进一步发展具有重要意义。本项目意在聚焦于阿里云面向 AI 大模型训练的网络性能和稳定性优化技术，具体解决如下几个关键问题： 1、关于 AI 训练网络中故障的快速响应和定位问题，如何通过建立集合通信 log、上层训练框架代码 log 以及底层网络拓扑信息进行横向关联后进行精准、高校的故障根因定位； 2、AI 大模型训练要求网络能够针对故障快速恢复，恢复过程要保证新设备的热迁移，以及如何选择被迁移设备，保证客户侧无感知 3、关于下一代集合通信以及网卡侧的传输协议设计，针对性的对大模型训练和推理特征设计一套行之有效的优化技术，针对其周期性、突发式带宽的传输协议解决关键的技术挑战 交付指标： 1、发表 1-2 篇国际顶级会议论文（如 SIGCOMM/NSDI/OSDI/SOSP） 2、专利 1-2 发明专利 3、能够实际在阿里云生产环境运行的系统（非原型系统），产生实际的结果收益
1. 参与游戏性管线相关工具的调研与开发，支撑项目顺利接入并跑通性能管线流程。 2. 主动响应项目反馈，持续迭代性能管线工具，解决落地过程中的真实痛点。 3. 支持项目游戏性能问题的分析、定位与优化（CPU/GPU/内存/IO/资产等）。 4. 不局限于现有工具链，优先以解决问题为导向，并结合项目实际反哺工具能力。 5. 能拆解复杂业务需求为可执行、可落地的开发任务，并按节奏推进交付。