通义通义实验室-技术专家-大模型应用层系统研发
任职要求
1、计算机及相关专业硕士及以上学历，计算机、软件工程、系统架构等相关专业背景； 2、5 年以上大型平台系统、DevInfra 架构或 AI 平台服务端开发经验，有大模型应用和系统经验者优先； 3、深刻理解分布式系统设计原理，熟悉微服务、服务网格、异步编排、服务容灾等高可用系统架构设计； 4、熟练掌握主流 DevOps/DevInfra 工具链，具备构建自动化研发流程的能力； 5、具备良好的业务理解能力、系统抽象能力和跨团队沟通协作能力，能主导平台架构方向落地。 加分项 1、有构建 AI SaaS 平台、LLM 推理引擎、Agent 框架平台化经验； 2、熟悉模型服务治理，如服务配额、版本管理、异常熔断、状态缓存、异步队列等机制； 3、有主导 DevInfra 体系建设经验，如研发提效平台、统一发布系统、在线诊断工具、模型注册与调度平台等。
工作职责
1、负责大模型应用和系统整体架构设计与演进，打造具备弹性调度能力、服务稳定、低延迟响应的全链路应用和系统； 2、主导平台的 DevInfra 能力建设，覆盖代码提交、CI/CD、灰度发布、可观测性、异常诊断与系统治理等关键模块，提升研发交付效率； 3、优化业务、平台、应用的架构设计，持续提升平台能力与技术领先性。
一、软件技术规划专家 — OS方向 主导智能手机操作系统（OS）的技术规划与架构演进，构建高性能、安全可靠、体验领先的OS技术底座，并推动跨终端OS生态协同，支撑公司终端产品全球竞争力提升： 1、OS技术战略规划：洞察全球操作系统技术趋势（Android/AOSP/Linux/RTOS/微内核等），制定3-5年OS技术路线图，定义关键子系统核心技术竞争力（如内核调度、安全架构、跨端互联、分布式多媒体、图形、AI等子系统） 2、OS-软硬协同规划：联合芯片团队，主导OS对新型硬件能力（CPU/NPU/GPU）的底层支持与性能调优规划；设计硬件抽象层（HAL）标准化方案，降低多芯片平台、多OS形态适配与维护成本 3、跨端OS技术整合：设计手机与IoT/车机/XR设备的OS协同架构（分布式软总线、多端任务迁移）；主导跨端安全互联协议、数据互通框架、跨端AI等技术等标准化 4、OS逆向工程分析：主导OS核心架构及各子系统逆向工程分析（iOS、Android、RTOS、Linux等），详细拆解关键OS子系统能力，为OS技术规划提供技术竞争参考 二、软件技术规划与合作专家 — 芯片方向 负责智能手机芯片平台的前沿技术规划、软件生态合作及跨部门技术协同，推动芯片与系统软件的深度整合，打造高性能、低功耗、差异化的终端产品竞争力： 1、技术趋势洞察与规划：跟踪全球芯片技术（SoC/AP/ISP/NPU等）发展趋势，分析其对智能手机软件架构的影响；主导芯片平台的软件技术路线图制定，定义关键能力（如AI算力调度、能效优化、异构计算等） 2、芯片-软件协同设计：深度参与芯片选型与定义，确保硬件特性与系统层（驱动/Kernel/框架）的协同优化；推动芯片厂商（如高通、联发科、自研芯片团队）与内部软件团队的联合技术攻关 3、生态合作与资源整合：建立并维护与芯片厂商、IP供应商的战略合作关系，主导技术合作项目落地；整合芯片层能力（如AI引擎、安全模块、图像处理单元）至上层应用生态 4、技术竞争力构建：主导芯片平台性能、能效、稳定性等核心指标的软件优化方案，形成技术壁垒；探索创新场景（如端侧大模型、实时渲染、传感器融合）的芯片-软件协同方案 5、跨部门协同与赋能：联动硬件研发、系统开发、产品规划团队，确保技术规划与产品需求对齐；输出芯片技术白皮书、开发者指南，赋能内部团队及生态合作伙伴
我们正在寻找业界顶尖的系统专家，加入我们的AI基础架构团队，共同设计和构建下一代生成式AI的“在线服务操作系统”。您的使命是解决将前沿AI能力（大模型、AI Agent、多模态等）转化为大规模、高效率、高可用在线服务时所面临的系统性、全栈性挑战。您将负责端到端的服务性能与架构演进，从顶层应用到底层硬件，全面提升AI服务的竞争力。 具体职责包括（若你对以下一个或者多个方向感兴趣均欢迎投递）： 1. 大规模模型服务平台与智能调度系统设计： (1)负责承载大规模在线模型服务（Serving）平台的核心架构设计与演进，通过对底层推理引擎（如PAI平台提供）的深度适配与协同优化，实现极致的推理吞吐与资源利用率。 (2)设计并实现面向复杂混合负载（长/短序列长度、多Lora、多模型、异构资源、多租户、高/低优先级）的上层智能请求调度与资源管理系统，通过与推理引擎的深度协同，动态调整调度策略，保障服务质量（SLA）并最大化云上服务的性价比。 2. 分布式基础设施与底层硬件优化： (1)负责面向大规模模型服务的分布式推理拓扑管理与通信计算协同优化，针对张量并行、流水线并行等场景，优化跨节点通信（InfiniBand/RoCE, NVLink），降低端到端延迟。 (2)深入理解GPU、NPU等异构硬件架构与特性，负责从服务层面对底层计算、编译优化（由PAI等引擎团队提供）进行性能评测、分析与反馈，驱动端到端的硬件效能提升。 3. AI应用层运行时与算法协同优化： (1)深入AI Agent、检索增强生成（RAG）、多模态理解等复杂应用场景，设计并优化其专用的高效运行时（Runtime），解决长链条、多依赖、异步任务流的性能瓶颈。 (2)负责高性能向量检索（Vector Search）与图计算（Graph Computing）引擎的服务化与集成，优化其在RAG和复杂推理场景下的数据访问与计算效率，实现数据层与模型层的无缝高效协同。
1) 深度参与下一代多租户云数仓底座的构建，主导高可用、强隔离、可扩展的平台级系统设计。 2) 主导Open API体系、多租应用隔离、统一认证与访问控制等核心子系统研发，定义企业级数据平台的安全边界与服务边界； 3) 参与新一代数据通道协议的演进与落地，全面挑战高吞吐、低延迟、强一致下的数据流转极限； 4) 构建全链路可观测与稳态保障体系，推动平台实现“开箱即稳”，影响阿里千万核集群的稳定运行，定义下一代云原生数据仓库的工程范式。
1. 主导具身智能机器人（不限于四足/人形/物流设备等）的系统架构设计及核心器件选型： 全面负责机器人本体硬件平台（结构、电驱、传感器系统）及运动控制系统的顶层设计、技术路线制定与关键器件评估选型； 2. 以具身AGI为技术导向，领导硬件与控制研发： 聚焦解决大空间、复杂室内外场景下的机器人高动态移动控制、鲁棒导航及自然人机交互等核心挑战，推动高性能硬件与控制算法的协同创新与工程落地； 3. 驱动端到端视觉-语言-动作（Vision-Language-Action）算法在机器人平台的集成与量产化：与算法团队协作，实现端到端VLA模型在机器人的高效部署、实时推理及性能优化，构建支撑算法迭代的闭环数据系统（数据引擎与数据飞轮）； 4. 引领技术前沿与构建影响力： 持续跟踪并研判行业前沿技术方案（硬件、控制、感知与AI融合），主导具身智能软硬件协同的核心技术攻关，并通过开源、顶会论文、专利等方式建立并提升团队的技术领导力与行业影响力。