AI Infra工程师（T-Star Lab ）

T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2026年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 在这里，你将成为大模型技术落地的“幕后推手”。你将参与构建支撑千卡/万卡规模的 AI 计算基础设施，通过软硬件协同优化，解决大模型在训练、推理、调度全链路中的工程挑战。你的代码将直接决定大模型训练的效率、推理的响应速度以及集群资源的利用率，为 AI 时代的算力底座注入核心动力。 具体的职责包括以下相关方向的一项或多项：

1. 01

   算力基建与分布式训练：深入分布式训练架构，优化通信与底层算子性能，解决大规模集群通信瓶颈，提升模型训练的吞吐量与计算效率。参与研究新的训练框架和模式；

2. 02

   极致推理加速：针对大规模推理场景，研发高性能推理引擎，通过kernel及框架、与算法结合的有损优化等手段，实现极致的低延迟与高并发；

3. 03

   智能化资源调度与系统：构建大规模 GPU 集群的统一调度与编排系统，实现算力资源的弹性分配与自动化调度，设计与优化面向 AI 计算场景的高性能通信、存储系统，保障海量任务的极致的效率；

4. 04

   工程效率与平台化建设：打造一体化的平台，覆盖大模型研发和迭代的全流程，降低模型迭代门槛，提升研发效能。

1. 01

   基础条件 ● 计算机、软件工程等相关专业；

• 热衷于数据结构和算法、在ACM大赛成绩优异者优先；有顶会论文/高影响项目/开源贡献者加分；

2. 02

   专业能力 ● 系统工程与编程能力：具备良好的系统工程基础，熟悉 Linux 开发环境，掌握 Python、Go、Java 等至少一门编程语言，具备扎实的工程实现能力；

• 分布式系统：了解分布式系统基本原理（如一致性、容错、扩展性等）；

• AI 系统领域专业知识：了解 AI 的基本原理与常见算法，理解模型训练任务的基本流程及其资源需求；了解主流训练推理框架（如 PyTorch、TensorFlow、vLLM、sglang）的基本使用方式及训练流程；了解异构计算或高性能计算体系，有 GPU 相关优化经验者优先。（对于以上领域中的一项或者多项具备专业能力）

3. 03

   能力特质 ● 沟通能力：能与跨域岗位，如：算法、产品等，进行良好的沟通；

• 跨域视野：有较宽的技术视野与知识面，对算法研发流程、数据、GPU调度、训练、推理等相关领域的技术逻辑都有涉猎；

• 系统思维： 乐于挑战复杂系统的性能极限，具备良好的性能分析与调优能力，喜欢从底层视角拆解并解决问题；

• 具备极客精神：对 AI 大模型技术充满热情，具备快速学习新技术的能力，渴望在高性能计算领域实现技术突破。