共 4529 个在招岗位 · 覆盖国企、大厂官方招聘
1.负责千问产品功能的全链路研发与迭代，保障 Web 端、桌面客户端（Windows/Mac）及移动端（iOS/Android）的极致用户体验； 2.负责千问核心产品场景的 AI Agent 开发与工程化落地； 3.参与设计端侧的 AI 基础设施，打通底层数据逻辑与上层 AI 工具、技能、连接器，构建稳定高效的端侧大模型调用与调度引擎； 4.负责千问多端产品的性能优化，攻克对话列表渲染、AI 推理过程中的交互卡顿、大文件及复杂上下文本地缓存同步等难题； 5.深入操作系统底层，解决文件同步、离线存储、多端状态同步以及跨端通信等核心场景下的兼容性与技术难题。
1. 主导千问App 核心业务线的技术规划与架构演进，负责复杂需求的技术拆解、全链路方案评审；主导客户端架构演进，构建行业前沿的技术体系，在保障高质量交付的基础上，支撑业务创新与快速迭代； 2. 负责客户端整体架构设计与性能治理优化，主导跨端（iOS/Android/鸿蒙）技术方案拉通与落地；通过深度性能优化与体验升级，持续提升用户核心体验指标； 3. 负责 AI Native 场景下的客户端工程架构适配，构建能支撑未来智能化开发范式的基础底座；主导研发效能 Agent 的设计与开发，利用 AI 技术优化代码生成、问题分析和验证测试等流程，切实提升团队研发效率。
1. 负责千问 App 开放平台相关端侧整体架构设计和开发工作； 2. 负责千问App开放平台端侧容器的开放性，安全性，稳定性，用户体验和性能。
1、能够快速梳理及提炼业务关键流程和结算流程，结合集团已有系统能力，形成完整结算体系及SOP; 2、参与输出结算链路产品建设方案，并积极推动落地验收，持续优化现有结算流程，不断提升结算效率； 3、日常结算运营管理，及时准确输出结算数据，做好同各部门的协同沟通； 4、主动识别结算链路各项风险，包括前端协议约定，系统数据，逆向链路等，提出相应优化建议，并跟进落实。
1、负责核对与供应商之间的IDC域、网络域相关的结算费用的核对，以及服务器部件RMA等相关的对账，通过业务逻辑的核对，确保每个月账单核对的准确性、完整性、及时性； 2、负责协助推动对账工作的线上化、自动化，通过系统优化不断提升对账工作的自动化水平； 3、从业务的视角，识别对应品类整个对账流程中的风险及问题，并及时举手，同时跟进解决及系统闭环。 4、结合实际业务特性，不断优化对账流程和系统能力；
1、负责个护彩妆护肤商家商品的运营工作，制定并执行商家引入策略，推动优质产业带资源入驻。 2、搭建和优化半托管商家的商品管理体系，包括商品选品、定价、上架、促销策略等，提升平台商品竞争力与用户转化率，为品类GMV增长目标负责。 3、制定品类运营策略，通过数据驱动分析，识别市场趋势与用户需求，持续优化类目结构和商品组合。 4、协同供应链团队，推动商品库存、物流及履约效率的提升，保障商品供应稳定性和用户体验。 5、与市场、技术、产品等部门紧密配合，推动商家扶持政策落地，提升商家满意度与活跃度。
1.了解业务部门的战略了解业务部门的战略，对业务进行组织诊断对业务进行组织诊断，为业务部门的战略落地提供建议为业务部门的战略落地提供建议，规划并参与实施规划并参与实施 2.为组织发展提供人力资源支持为组织发展提供人力资源支持，定期进行组织盘点定期进行组织盘点，在招聘 培训 绩效考核薪酬、员工关系等方面为业务部门提供有效员工关系等方面为业务部门提供有效的解决方案并实施 3.在业务部门内推动公司层面的变革在业务部门内推动公司层面的变革 ，提升人力资源运作效率提升人力资源运作效率 4.传承公司文化传承公司文化，发扬价值观发扬价值观 ，建设沟通渠道建设沟通渠道，保证组织的持续健康成长保证组织的持续健康成长 5. 主动建立与管理层主动建立与管理层 ，发扬价值观发扬价值观、一线主管及员工之间的多形式有效沟通机制一线主管及员工之间的多形式有效沟通机制，建设沟通渠道建设沟通渠道，保证组织的持续健康成长保证组织的持续健康成长 保证信息在不同层级间的有效传递保证信息在不同层级间的有效传递
1、负责茶行业某细分产区商家全链路生意的整体协作和配合，帮助商家生意计划的全盘组织落地； 2、负责梳理并了解商家的运营状况，整合淘系资源及品牌端策略资源，帮助商家提升运营能力； 3、负责KA商家整体生意的进展，分析问题，并制定相应的解决和落地方案； 4、对所负责商家的运营机制不断优化，提升消费者体验，分析消费者在购买相关商品的需求，并制定相应的解决方案和落地计划； 5、对行业内缺失的品牌进行多形式的招商工作，并针对行业的核心货品进行BD和运营。
客户现场专项技术负责人 如网络专项、数据库专项 平台稳定性重大变更方案制定与实施 如性能/存储优化、底座改造等 现场故障应急执行 协助原厂尽快恢复平台运行 关键时刻现场保障 如客户平台隐患深度排查与治理，复杂问题原因定位及解决；
1. 负责业务日常招商政策机制的设计及落地，建立目标监控及运营数据体系，推动产品、行业等各协同方，落地拿结果。 2. 负责业务业务商业化机制设计增长， 基于供给增长带动商业化提升。 3. 负责日常招商产品迭代，协同产品团队，有效识别业务需求，有自己的见解，提出解决方案，提升运营效率； 4. 跨团队协同：日常协同各方，推动项目落地，完成业务结果。
1、供需计划：负责制定大区内航线静态供需计划、并通过对动态供需分析，实时调整舱位需求，确保供需匹配且成本时效达标； 2、干线解决方案：根据物流产品需求，市场运力资源情况，制定国际干线段运力解决方案，确保成本、时效、质量达成； 3、配舱发货：根据实际来货情况，安排货物配舱出运，并对货物状态进行跟踪监控； 4、项目管理：项目型运营推动时效和成本的优化（配舱提速，优化打板，提装载降本，大促保障等）； 5、流程制度&系统优化：根据业务发展情况，拟定业务流程制度，并对系统进行优化，提升运营效率； 6、内外协同与异常处理：协同内部横向、纵向团队，沟通外部供应商、报关行、货站等相关方，处理日常运营、异常等事项； 7、其他日常国际空运日常运营相关工作。
1、预算制定和管理：负责参与制定业务线年度预算，并能拆解到年/月度，持续优化预算管理体系，确保业务核心指标与预算的完整性，以及追踪和调整事项管理 2、损益预测：完成月度损益预测，损益达成情况输出，风险点评估 3、经营分析：定期经营分析汇报，呈现业务趋势、核心指标情况、风险预警 4、项目测算：能够为独立项目输出基本的损益结果和核心业务参数
阿里巴巴旗下的AI Coding创新团队，致力于革新软件开发 paradigm。我们正在打造下一代AI驱动的智能开发工具产品，旨在彻底改变开发者的工作方式。我们的产品覆盖 Al native IDE Qoder、智能编程助手等多元化产品形态，通过尖端 AI 技术提供智能化功能和流畅体验，显著提升开发效率与创新力。我们正寻找富有激情、创造力和前瞻性思维的精英人才加入，共同定义软件开发的未来。 1. 负责基于大语言模型的AI Coding产品核心能力的开发工作，实现复杂问题分析与理解、代码生成与测试等功能，包括AI Coding智能体、复杂工程理解、自动化记忆感知、大规模知识管理等。 2. 负责大模型训练相关工程与算法能力，例如模型数据合成、模型与智能体评测、与算法团队合作模型训练等工作。 3. 持续优化和改进平台架构，提高系统的可用性、稳定性和扩展性。确保全球化多地域复杂分布式架构的稳定与高性能。 4. 跟踪最新的人工智能技术进展，评估并实现可能的技术解决方案以满足业务需求。 5. 与产品经理和运营团队紧密合作，确保技术实现能够满足产品规划和用户需求。
关于我们： MOS 实验室隶属于阿里 ATH 千问事业群。我们致力于在大模型时代打造具有全球影响力的 AI 原生产品，推动 AI 从“被动对话”向“主动服务与复杂执行”的范式跃迁。 实验室核心业务涵盖 AI 搜索、生成式推荐、主动服务及任务助理 Agent 等前沿领域。依托千问大模型底座，我们深度探索 RAG、Agentic RL、多 Agent 协作及全链路工程自动化技术，旨在构建能够深度理解用户、自主规划路径并闭环交付任务的“最强 AI 助手”。 岗位职责：定义大模型时代的主动推荐 1. 主动服务场景构建： 负责千问场景下的主动推荐算法研发。基于用户长期记忆与画像，构建主动发起聊天话题、引导任务执行的算法体系。 2. 生成式推荐探索： 探索 LLM-Native 的推荐范式，利用大模型的原生推理能力实现生成式推荐（Generative Recommendation），打破传统过滤式推荐的局限。 3. 时机决策与推送策略： 针对主动服务中的“打扰度”痛点，构建高精度的时机建模（Timing Modeling）与推送策略，确保在最合适的时刻提供最具价值的信息。 4. 长时记忆与任务驱动： 结合 RAG 与记忆模块，使推荐逻辑具备跨时空的连续性，实现基于历史上下文的精准任务挖掘与发起。 5. 业务闭环优化： 深度理解推荐与推送业务指标（点击、留存、任务达成），通过算法手段实现用户价值与业务增长的协同。 职级可看P6-P8
1. 负责千问消费决策相关意图的对话效果优化，围绕意图理解、回答质量进行效果优化，提升该场景下的业务规模及用户体验。 2. 基于对用户行为的洞察，结合深度数据分析，定义关键业务指标（如DAU、留存、使用深度等），通过产品创新和策略优化，推动用户规模和使用深度实现增长。 3. 协同算法、工程团队，通过Prompt优化、对话策略设计和模型能力迭代改善回答效果，平衡思考深度、响应耗时与阅读体验。 4. 深入分析真实对话与用户反馈，建设消费决策场景评测集，结合人工和自动化评测、线上数据和A/B实验，验证需求和分析数据，通过数据飞轮持续推动产品迭代。
加入我们，你将专注于让商家经营 Agent 持续变强：依托商家主数据体系，通过系统化的效果评测与问题归因，精准定位 Agent 表现不佳的根因，并针对性优化经营知识库、Skill 与工具能力，形成「评测 → 归因 → 优化 → 回归」的高频迭代循环，直接推动商家 Agent 从可用走向被依赖。 你将负责： 1、构建并运营商家经营场景的 AI 效果评测体系，设计评测集与评价标准，落地自动化评测与回归流程，让每一次优化都有可信度量； 2、对 Agent 的失败与劣化样本做深度归因分析，定位问题根因究竟落在知识缺失、Skill 编排、工具能力、上下文构造还是数据口径上，输出可执行的优化结论； 3、依托商家主数据体系持续优化经营知识库，包括知识抽取与补全、质量校验、冲突消解与失效淘汰，保障知识越用越准； 4、优化 Agent 的 Skill 与工具体系，改进任务编排、上下文工程、工具调用成功率与稳定性，提升端到端任务完成率与体验； 5、将线上真实表现持续反哺回评测集与知识库，沉淀可复用的归因方法与优化范式，让优化循环自身不断增强； 6、与研发、算法、产品及业务团队紧密协同，把优化成果转化为可衡量的商家经营效果。
1. 多模态模型的推理功能开发和性能优化，包括对Qwen-VL、Qwen-Audio、Qwen-Omni等多模态输入/输出模型的功能支持和推理性能优化。 2. 分布式推理架构的研发，包括多机推理架构设计，P/D分离、A/F分离、VL模型分离架构的落地。 3. 推理引擎服务化，包括推理引擎如何接入线上服务平台，自动扩缩容和可观测性的适配，以及提升线上服务稳定性。
1. 负责智能搜索与推荐引擎的核心架构设计与开发，重点攻坚高性能召回引擎，优化高并发场景下的查询延迟与吞吐量； 2. 大规模分布式系统的性能调优与稳定性治理，包括内存管理、线程模型优化及资源隔离，保障系统在亿级数据规模下的高可用性； 3. 基于大模型的多路召回系统建设，融合语义检索、关键词检索及向量检索技术，构建高效的 Search RAG系统，提升信息获取的准确性与相关性； 4. 跟踪业界前沿技术（如向量数据库内核、大模型推理加速等），推动新技术在业务场景中的从 0 到 1 落地，持续迭代工程基础设施。
我们是阿里巴巴智能引擎事业部模型优化团队，负责集团深度学习模型和 LLM 模型的推理性能优化与系统演进。在这里你将负责： ● 支撑淘宝、天猫、AIDC、高德等阿里巴巴集团业务的千亿级模型推理请求，是深度学习与大模型推理优化的前沿阵地； ● 研发高性能大模型推理引擎，围绕算子优化、请求调度、缓存管理和计算通信协同开展端到端优化，持续突破吞吐、时延与资源效率边界； ● 面向ScalingUp持续升级深度学习推理系统架构，重塑特征、模型的深度协同，支持百万级超长序列、TB级Embedding、数百亿参数规模的Dense网络的下一代搜索推荐深度学习模型。 ● 推动模型、系统与硬件协同优化，充分释放异构算力潜能，建设高性能、高稳定、可演进的模型推理基础设施。
1. 设计、实现、维护超大规模高性能、高稳定在线nosql分布式数据库系统Tair； 2. 应用先进的索引结构、协程、io_uring等技术，实现极致高效的存储内核； 3. 为读/写热点、cache一致性、读写一致性、高效分布式锁等典型场景提供解决方案； 4. 通过部署优化、自动扩缩、存算分离等技术，提升10万张规模表的资源利用效率及稳定性。
我们是阿里巴巴平台技术AI研发平台团队，负责AI应用研发平台的建设和维护。为淘宝、千问、闪购、高德、闲鱼、飞猪等多个业务部门提供应用研发基础设施。业界应用逐步转型AI Native研发模式，应用研发Infra需要朝着Agent进化，Agent Infra建设正在如火如荼的进行。 主要工作内容如下： 1. 负责Agent Infra研发：包括多模态通信链路、 MultiAgent框架、Context管理、Memory系统、Managed Agent、Java/Python多语言运行时等。 2. 结合业界Agent前沿技术， 通过Agent强化学习、Agent评测等持续学习对Agent进行调优。 3. 负责AI研发平台的持续迭代，参与平台的研发产品、流量调度、容器、可观测性等能力建设，支持AIGC、VLM、音视频通话等不同特性的系统形态。
1. KVCache 核心系统研发，负责 LLM 推理场景下 KVCache 的架构设计与工程实现，优化 KVCache 的内存管理、显存分配与生命周期调度策略，研究并实现 Prefix Cache、Radix Tree Cache 等高效缓存复用机制，提升 Cache Hit Rate。 2. 设计跨机、跨节点的分布式 KVCache 共享与迁移方案，实现 KVCache 在 GPU HBM / CPU DRAM / NVMe SSD 多级存储间的高效卸载（Offload）与加载，针对长上下文、多轮对话场景优化 KVCache 的存储与传输效率。 3. 推理性能优化，结合 Continuous Batching、PagedAttention、Chunked Prefill 等机制，协同优化 KVCache 调度策略，分析推理链路中 KVCache 相关的性能瓶颈，进行端到端性能优化，针对主流推理框架（vLLM / SGLang / TensorRT-LLM / RTP-LLM）进行 KVCache 模块的深度优化与定制。 4. 系统可靠性与可观测性建设，建设 KVCache 命中率、内存占用、调度延迟等核心指标的监控体系，保障大规模集群下 KVCache 服务的高可用与容错能力。
我们希望围绕大语言模型与 AIGC 模型，探索更具前瞻性的推理优化方法，并将其转化为真实场景中的性能收益。你将参与下一代推理加速技术的研究与落地，面向生成模型推理中的核心瓶颈，持续推进算法设计、效果验证与系统协同优化。 你将参与以下工作： ● 面向 LLM 与 AIGC 场景，研究生成模型推理加速的关键问题 ● 探索前沿生成范式，以及基于后训练的模型架构演进 ● 探索SOTA加速方案，如投机、sparse attention、LLM/Diffusion distillation等技术 ● 与工程及基础设施团队协同，探索框架+算法+算子一体的更大scope的加速方案 ● 跟踪相关领域前沿进展，推动新方法的快速评估与应用
负责主流大模型在多种 AI 加速芯片和推理后端上的适配、优化与工程落地，覆盖 Qwen、DeepSeek、GLM、Kimi等文本、多模态与图像生成模型，目标平台包括 TPU、NPU 等各类 AI 加速芯片。该岗位需要深入理解模型结构、推理框架、算子/kernel、编译栈与分布式推理机制，推动模型在不同硬件平台上稳定、高效、可规模化运行。
本团队涉及如下方面的工作：（工作内容可以根据候选人专业特长安排） 1. 多模态模型的推理功能开发和性能优化，包括对Qwen-3.6、Qwen-3.7、Qwen-VL、Qwen-Audio、Qwen-Omni等多模态输入/输出模型的功能支持和推理性能优化。 2. 分布式推理架构的研发，包括多机推理架构设计，P/D分离、A/F分离、VL模型分离架构、WideEP、ElasticEP等功能研发与落地。 3. 推理引擎服务化，包括推理引擎如何接入线上服务平台，自动扩缩容和可观测性的适配，以及提升线上服务稳定性。 4. NPU/GPU各类算子、kernel开发、算子融合、Compiler的开发等。
我们的平台：TPP 是阿里集团一个经过多年打磨、支撑大规模在线业务研发交付的 超大规模Serverless 平台，在资源调度、超大规模在线Serving、极速迭代链路、可观测性等方向积累了完整的平台能力。Agent 时代，TPP 正在进行全面的 AI Native 升级——我们希望与你一起，既用 AI 重塑平台自身的研发范式，也把一站式业务研发交付演进到智能化形态。 我们需要你： 1、负责 Serverless 基础平台自身的 AI Native 升级：以 AI 重塑平台从需求、开发、测试到发布、运维的全研发生命周期，让平台自身成为 AI Native 研发模式的第一实践者； 2、、推动 TPP 在 Agent 时代的延续与发展：建设基于 Agent 的业务一站式研发交付能力，推动业务研发从 UI 操作模式转向自然语言对话模式；参与 Agent harness 效果工程，构建 Agent 评测与自进化的数据闭环，从工程角度持续提升 Agent 效果； 3、持续演进平台底座：设计并实现高并发、高可用、高性能、高可观测的 Serverless 运行时与调度体系，为业务提供坚实的技术底座，支持业务的智能化转型。 岗位可以带给你的成长： ①这个岗位具备相当的挑战性：平台承载大规模在线流量，对时延与可用性要求苛刻，而同等体量平台的 AI Native 升级在业内少有成熟方案可循，你做的每一步都是行业前沿的探索。 ②如果你一直做基础平台、中间件或高并发系统，正在思考如何走向 AI Agent，这里会是一个少见的落点： 平台工程经验是最大的本钱，是Agent从Demo走向生产的核心技术支撑。团队将提供体系化的培养支持，帮你完成从平台工程到 Agent 工程的认知升级。
本岗位隶属于我们是阿里巴巴大模型推理团队，团队负责集团内部大语言模型 AI Infra推理系统建设和维护，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。AI 性能工程师工作内容包括但不限于： 1. 参与大模型推理系统的研发，聚焦于推理框架与各种类型异构硬件的适配和性能优化工作。 2. 实现各类型“卡-模型”匹配度的自动化观测，指导资源调度策略，评估新硬件引入价值。 3. 线上服务的监控与问题定位，加速大模型能力在集团内落地。 如果您是一位后端研发工程师，具有丰富的性能优化经验，希望投身于AI Infra事业又苦于缺少相关经历，也欢迎投递本岗位，我们更看重您的学习和解决问题的能力！
我们是阿里巴巴离线推理团队，负责大规模多模态数据处理pipeline，支持非LLM的模型结构定制、异构卡型适配和推理加速。与千问、百炼等团队合作，以软件和SAAS的方式，为淘天、AIDC、高德、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。 1. 主导或核心参与基于编译技术的算子平台化优化方案，利用Triton、TileLang、JAX/MLIR等技术栈，支持模型结构的定制与优化，缩短新卡型或新模型的适配周期。 2. 使用专业的Profiling工具，对模型在异构硬件上的端到端性能进行分析，精准定位Kernel执行、数据搬运、通信等环节的瓶颈，并提出体系化的优化方案。 3. 针对特定异构芯片（如华为昇腾、AMD MI系列等），深入分析其指令集、存储层级（HBM/Cache）和计算单元特性，使用原生语言手写和优化核心算子，实现极致性能。
我们是阿里巴巴大模型推理团队，负责内部 LLM/AIGC 百炼推理服务建设，为淘宝、天猫、聚划算、优酷、闲鱼等多个集团业务部门提供强有力的技术支撑和底层服务能力。 AI 高性能计算工程师负责探索不同AI芯片（NV，AMD, 华为昇腾, TPU, 寒武纪等）的底层架构，使用硬件手写原生 Kernel、 Trition/Tilelang 编译优化等手段，解决“从0到1”（跑通）和“从1到N”（跑得快）的关键问题。 工作地点：北京、杭州，未来会开放「上海」工作地点，现阶段支持员工根据团队安排部分时间在上海办公，详情可与hr或面试官沟通。
1. 芯片Bring-up与子系统验证：主导芯片流片后的Bring-up调试，负责关键子系统（如DDR/PCIe Subsystem）的参数调优、适配及全功能验证。 2. 高低速信号与协议测试：负责高低速接口（PCIe 5.0/DDR5/UCIe/I3C/I2C/SPI等）的信号完整性（SI）测试与验证，确保协议一致性。 3. 电源、功耗与可靠性：负责芯片电源完整性（PI）测试、功耗分析及优化、量化性能评估及电源可靠性验证；执行PVT（工艺、电压、温度）压力测试。 4. 量产导入与ATE相关性：负责实验室环境与ATE（自动测试设备）的Correlation（相关性）测试，协同制定并验证Binning（筛片）策略，确保硅后验证与量产测试结果的一致性。 5. 自动化环境与标准建设：负责制定和完善高速信号测试标准及操作指导；开发自动化验证环境，编写并集成验证用例，提升验证效率。
