智能互联阿里云智能-终端智能创新业务 Android系统专家 (多媒体与图形显示方向)-杭州/上海/北京/深圳
任职要求
1. 计算机科学、电子工程、通信或相关专业本科及以上学历优先； 2. 5 年以上 Android 系统底层开发经验，在图形显示（Graphics）或多媒体（Media/Audio）领域有深厚积累； 3. 核心技术栈 (图形/Input方向)： 1）精通 Android 图形架构（SurfaceFlinger, HWC, OpenGL ES/Vulkan），具备实际的渲染性能调优经验； 2）熟悉 Android Input 子系统（EventHub, InputReader, InputDispatcher），有触控延迟优化或手写笔（Stylus）报点优化经验； 4. 核心技术栈 (音视频方向)： 1）熟悉 Android 音频架构（AudioFlinger, AudioPolicy, Audio HAL），了解底层音频路由与混音机制； …
工作职责
1. 音视频底层架构打通： 负责 Android 媒体框架层的深度定制，打通 MediaCodec 与 AudioFlinger 底层，提供完善的硬件加速支持，提升多媒体播放与处理性能； 2. 图形栈与触控优化： 深入 Android 图形渲染系统，主导 SurfaceFlinger 的深度优化；重构与优化 Input Dispatcher 层，极致降低触控和手写笔的输入延迟； 3. 多屏与桌面化显示架构： 负责大屏设备的多屏异显（DP Out）架构设计与开发；实现鼠标指针的高精度渲染与硬件加速，优化高刷屏的动态调度（Dynamic Refresh Rate）机制； 4. 办公/会议场景专项攻坚： 针对 PC/Pad 高频视频会议场景进行系统级优化，包括但不限于 Camera HAL 层的降噪处理，以及 Audio 硬件级的回声消除（AEC）支持与调优； 5. 性能调优与架构演进： 解决图形显示与音视频相关的系统级性能瓶颈（如掉帧、卡顿、音画不同步等），跟进 AOSP 最新多媒体与图形栈的技术演进。
1. 负责新一代AI驱动的PC产品质量保证工作与团队建设，主导质量团队的组织架构设计、人才梯队培养及绩效管理，打造一支具备系统底层、应用上层及 AI 评测能力的复合型质量团队，对最终产品交付质量与用户体验负责； 2. 构建覆盖“安卓系统-上层应用-AI Agent"的全链路质量保证体系。主导跨域质量架构设计，解决终端稳定性兼容性、云边端协同、分布式系统一致性、AI非确定性输出等复杂质量挑战，制定统一的质量门禁与发布准出标准，确保端到端交付质量； 3. 引领测试技术的智能化转型，探索"AI for Testing"与"Testing for AI"双轮驱动模式。一方面将 AI 能力融入自动化测试、用例生成、缺陷分析等环节提升效能；另一方面建立针对 AI Agent/LLM 产品的专项评估体系（如准确性、安全性、幻觉检测），解决非确定性输出的质量挑战，保持行业技术领先性； 4. 主导测试能力平台化与服务化建设，构建系统级、应用级、服务端及 AI 评估的自动化用例库。推动质量能力与 CI/CD 流水线深度集成，实现代码变更的自动化质量卡点。打造自助式质量验证平台，赋能研发、运维及合作伙伴，降低质量验证门槛，提升整体交付效率； 5. 建立多维度的质量度量体系，结合线上监控、灰度发布数据及用户反馈，驱动质量问题的根因分析与持续改进闭环，对线上重大质量事故负责，建立快速响应与防御机制，保障业务连续性。
1. 根据产品需求完成Android平台上的软件设计、编码及单元测试； 2. 与跨职能团队成员（如UI/UX设计师）协作，实现最佳用户体验； 3. 开发AI驱动的系统级应用(相机、相册等)，定制System UI，实现任务栏、全局搜索、桌面手势，保障平板/桌面模式体验一致性； 4. 优化现有应用性能，并修复已知问题； 5. 负责智能体（Agent）应用的架构设计、开发和维护。
1. 结合业务需求，负责研发高效可靠的Agent开发引擎，以支持多样化的AI创新应用场景； 2. 设计开发agent运行时服务，支撑 Agent服务高效运行、任务调度、状态监控，以及Agent与前端的高性能 RPC 通信等； 3. 设计开发端/云AI能力协同方案，支持MCP/A2A/Skills等，支持端云统一多模态模型和数据服务，实现端侧与云侧AI能力的高效协同； 4. 设计开发上下文感知引擎 ，实现AI对环境、场景及用户操作的精准感知和用户意图识别； 5. 与团队成员紧密合作，支持AI Agent应用开发和优化，满足性能、安全性和可扩展性的需求； 6. 关注业界最新技术动态和发展趋势，探索新技术在产品中的应用可能性。
1. 负责端侧AI小模型微调与芯片厂商NPU适配优化； 2. 实现异构推理引擎，优化端侧算子与性能调度； 3. 封装原生推理服务能力，向应用提供推理SDK； 4. 建立多维评估体系，驱动模型持续迭代优化。