阿里云智能-模型性能优化专家-PAI

岗位职责

你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于：

• 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案；
• 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化；
• 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能；
• 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化；
• 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离；
• 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。

任职要求

必备条件：

• 深度学习框架：熟悉至少一种主流深度学习框架（PyTorch、TensorFlow、JAX、DeepSpeed、Megatron 等），理解其底层执行机制与扩展方式；
• 工程能力：熟练掌握 C++ 与 Python，具备扎实的工程实现能力和良好的代码素养；
• 硬件加速经验：具备 GPU（CUDA、cuDNN、NCCL）或 AI 加速芯片（GPU，PPU等）的性能优化实战经验；
• 分布式训练：熟悉分布式训练框架与通信原理（如 Ring AllReduce、Horovod、DeepSpeed、Megatron-LM 等），理解并行策略（DP/TP/PP/EP）的设计权衡；
• 性能分析：熟练使用性能 profiling 工具（nsys、nvprof、perf、torch.profiler 等），能够快速定位并解决性能瓶颈；
• AI Coding 能力：熟练使用 Claude Code、Cursor、Copilot 等 AI 编程工具提升开发效率，具备良好的 prompt 设计与人机协作意识，能够将 AI 工具有效融入日常开发、调试与代码审查流程；
• 软素质：具备优秀的客户导向意识，心态开放，善于跨团队协作；学习能力强，自我驱动力足，能够持续跟踪前沿技术并结合客户场景落地。

加分项：

• 具备大模型训练与推理优化经验（GPT、Llama、Diffusion、MoE 等），熟悉显存优化、算子融合、量化压缩等技术；
• 熟悉自动驾驶或具身智能方向的模型与系统（多模态感知、规划控制、强化学习、SLAM、Policy 训练等）；
• 了解 AI 编译器技术栈（XLA、TVM、TensorRT、OneDNN、AITemplate、BladeDISC 等），具备算子开发或图优化经验；
• 有在 AI 平台、云平台或框架团队工作的经验；
• 对 AI 系统性能调优、算力调度、集群调度系统（K8s、Ray、Slurm 等）有实践经验；
• 有构建 AI Coding Agent、代码生成类系统、或多 Agent 协同工作流的经验者优先。