共 2454 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
1、参与淘宝闪购C端零售品类导购相关场景（搜索、推荐、场景导购等）的整体体验方案设计。 2、从用户完整任务出发，思考导购链路中的关键节点和体验问题，关注方案上线后的效果并建立业务数据感知。 3、使用大模型 / AI 工具进行方案探索、示例构造和原型表达，缩短从想法到验证的距离。 4、在项目中学习用整体视角看体验，并参与思考异常和边界情况的处理方式。 5、整理实践经验，在团队内进行分享和共创，承担"工具侦察兵"角色，持续跟踪和试用新 AI 工具与方法。
1.负责从rtl2netlist的综合全流程flow开发/优化/维护工作 2.负责综合模块或者整芯片的综合策略的制定及STA signoff标准制定 3.负责模块或top从rtl2netlist的综合、formal、sdc编写及验证，upf编写及验证 4.负责综合netlist/sdc的quality的验证 5.Function eco的方案及完成 6.和前端设计沟通设计相关问题及修改，和后端沟通物理实现相关问题 7.制定提升PPA的综合策略
1. 负责总线子模块验证、总线子系统验证: a. 负责制定验证策略，提取验证特性，完成验证计划； b. 负责搭建验证环境，创建并调试验证用例，收集并分析代码和功能覆盖率，完成网表级仿真； c. 负责验证Signoff工作，保证总线系统的质量； 2. 参与SOC系统级的性能以及功耗分析；
负责CPU芯片的系统建模工作，与架构师、RTL设计工程师和性能分析团队紧密合作，通过建模与仿真来探索设计空间、评估架构/微架构方案、识别性能瓶颈，并对未来的CPU架构做出关键的数据驱动决策。主要工作职责： （1）使用C/C++/SystemC/Python等语言，开发、维护和优化CPU芯片及子系统的性能模型。确保模型在功能和性能上与目标微架构设计保持一致，并具备足够的灵活性和可配置性。 （2）运行行业标准CPU性能基准测试套件及经过抽象/小型化业务负载（Benchmarks）。 （3）分析仿真结果，深入定位性能瓶颈 （4）架构师合作，将新的微架构特性转化为模型实现，基于模型进行“假设分析”（What-If Analysis），评估不同微架构方案对性能、面积和功耗的影响，为架构决策提供量化依 （5）为RTL设计团队提供早期性能预期，并协助进行RTL性能验证的比对。 （6）开发和维护自动化脚本与流程，以提升建模、仿真和分析的效率。参与构建和完善公司内部的CPU性能建模与仿真平台。
负责CPU产品的SLT测试工作，负责验证测路制定、验证用例开发和量产过程中的问题定位。建立行业领先的SLT测试能力，确保量产CPU芯片在真实系统环境中达成服务器级别的功能、性能和可靠性标准。直接面对提升产品质量、达成SLA，降低产线不良率和线上宕机率的核心挑战，对芯片的最终质量承担关键责任。主要工作职责包括： 1. 制定并领导执行CPU芯片的SLT测试整体策略，制定详细的SLT测试计划，包括测试内容、测试条件、通过标准和测试流程 2. 领导SLT测试方法学创新，持续提升测试覆盖率和测试效率 3. 参与SLT测试硬件平台的架构设计、开发 4. 领导SLT测试软件和测试向量的开发开发，包括： （1）BIOS/UEFI定制与优化 以及操作系统（Linux/Windows）镜像定制 （2） 测试套件架构以及自动化测试框架开发 （3） CPU 微架构特性测试 （多核一致性，SRAM 可靠性检查，di/dt 问题检测，IO 功能测试，最大功耗，频率测试等等） 5. 量产过程中，与产品工程、质量、客户工程团队协作，对于线上和产线有问题被客户退货的芯片，带领团队通过强化SLT测试，对芯片问题进行复现和定位，不断改进测试程序，提升覆盖率。"
1. 从RTL创建和维护Emulation/FPGA模型，将芯片项目Porting到原型平台(Emulator和FPGA), 交付EMU DB/FPGA bitfile到原型验证团队 2. 为Emulation/FPGA场景创建独立的测试冒烟用例。 3. 在Emulation/FPGA平台上Bring up外部接口（例如，DDR，PCIe，USB, 以太网等）。 4. 与RTL设计团队、DV团队和软件团队合作，调试基础环境，硬件，软件中的测试用例. 5. 维护仿真系统，支持软件团队在仿真平台上的工作。
• 参与SoC低功耗架构方案制定，负责SoC电源域划分和控制、动态调压调频等设计实现。 • 参与全芯片时钟复位方案制定，负责时钟/复位相关IP交付。 • 使用功耗分析工具进行功耗建模/仿真。 • 熟悉UPF标准，具备复杂低功耗方案的UPF实现经验。 • 协同物理设计工程师进行SoC功耗/电源评估和优化工作。
参与玄铁高性能处理器的指令集与编程模型定义和演进，作为市场/产品需求与微架构、软件生态之间的技术枢纽；负责玄铁指令集与编程模型管理平台的建设，并代表玄铁参与RISC-V国际基金会相关规范标准工作。 1. 负责玄铁指令集扩展定义。接收市场、产品与研发的功能与性能诉求，与微架构、编译器、内核、计算库等团队协同，参与制定指令和寄存器编码、语义、异常行为等编程模型，输出正式规范文档并推动内部评审、落地与迭代。 2. 负责玄铁编程模型管理平台建设。保证指令集变更以结构化、机器可读的方式沉淀到平台，驱动下游RTL生成、工具链集成、验证套件构建、规范文档生成与模拟器/参考模型的自动化更新。 3. 代表玄铁参与国际基金会相关规范标准工作。跟进上游标准与相关工作组的演进，把玄铁的技术需求提案化并推动被上游接纳；把上游产出高质量地回流到玄铁内部平台，保持双向对齐。 4. RISC-V生态跟踪与前瞻研究。持续跟踪RISC-V在向量、矩阵、虚拟化、安全、性能监测、机密计算等方向的新扩展动态；结合玄铁产品路线，主动提出新扩展的预研提案。
1. 参与Ethernet子系统的方案制定 2. 负责Ethernet子系统内IP集成、自研逻辑开发 3. 负责Ethernet子系统SDC约束与预综合交付，协助中后端团队实现PPA优化 4. 根据中后端反馈（时序、功耗、面积等瓶颈），优化前端微架构和设计 5. 与DV、原型验证团队协作, 负责Ethernet子系统的问题分析与定位
职位描述 • 参与芯片整体Floorplan、Partition、STA等方案制定。 • 负责芯片整体Partition划分及Harden代码的具体设计与实现。 • 负责芯片整体设计SDC约束与预综合交付，协助中后端团队实现PPA优化。 • 根据中后端反馈（时序、功耗、面积等瓶颈），指导前端微架构和设计修改。
1.与CPU设计者密切合作，进行关键时序路径的分析与逻辑电路优化； 2.前后端协同设计，持续提升CPU PPA性能指标； 3.CPU Core的物理设计与交付，达到产品指标要求； 4.CPU 集成实现工程师（中端）综合实现
1.与芯片Top物理设计、Package设计、PCB设计等同事协作，完成电源以及高速数字接口的仿真分析以及优化工作； 2.使用各种常用EDA工具抽取Silison、Package、PCB的电路模型，搭建电源完整性和信号完整性仿真测试平台，根据实测结果完善和优化仿真平台； 3.负责高速SerDes IO、DDRx/LPDDRx、UCIE等端到端的SI优化； 4.构建从Silicon、Package、PCB电源传输网络(PDN)模型，制定具体的PI指标分解，完成供电设计优化以及签核； 5.跟踪研究各种高速总线接口及供电设计从芯片到系统端的解决方案，并形成PKG/PCB设计指导；
1. 负责 RISC-V IOMMU IP 的架构定义、微架构设计及RTL实现，确保满足芯片对设备内存的管理需求，满足项目PPA 要求。 2. 深入理解并实现 RISC-V IOMMU 架构规范，支持多级页表地址转换及权限管理，支持虚拟化扩展。 3. 负责 IOMMU IP 与 SoC 系统的集成，处理与 CPU、DMA、NoC 及 DDR 控制器的交互，满足 SoC 架构需求。 4. 主导 IP 的低功耗设计策略，包括时钟门控、电源门控实现。
• 参与SoC安全架构方案制定，包括安全启动，安全隔离，安全调试等。 • 负责安全子系统架构定义，设计实现以及交付。 • 负责对称/非对称加解密算法及哈希算法的硬件优化与集成，并完成性能，安全性，功耗等关键指标的评估。 • 负责安全相关IP的RTL设计，完成LINT/CDC/预综合等前端设计检查与交付。 • 安全子系统的验证、时序收敛及硅后测试支持。
1. 构建和持续优化公司IPD流程体系和质量管理体系(含流程架构、流程文件、质量管理系统等) 2. 持续跟踪和分析IPD流程实施情况(包括IPD流程导入及落地评估、体系成熟度评估、符合性及有效性评估、项目执行改进等)，识别流程体系的瓶颈和改进点，提出有效的流程优化方案，并推动实施，提高流程适用性、效率和质量 3. 持续改进公司的质量管理体系，设计各类E2E过程及结果质量的数据度量统计模型，建立度量分析体系，根据分析结果进行持续改进 4. 负责组织和协调完成公司内外审等多种审核认证，推进纠正和预防措施的落地 5. 负责开展流程体系、质量活动、质量工具及方法等培训，持续提升组织的质量文化、质量意识、运作效率及质量运营能力 6. 负责规划和建设数字化运营体系，打造数字化运营平台，提供数字化运营能力，并使用数字化运营平台、工具、方法，开展问题识别、分析，提高发现问题、分析问题、解决问题的能力和效率
1. 全面负责CPU IP/芯片端到端质量管理工作，以客户需求为导向，制定E2E质量要求和质量计划，并确保实施符合要求； 2. 负责产品生命周期阶段的质量管控，并持续优化及完善流程或方法； 3. 负责建设与本领域相匹配的E2E流程和管理体系，并持续识别改进点，负责闭环改进； 4. 推动CPU IP/芯片各领域开发流程标准化，制定CPU IP/芯片研发质量管理方案，并有计划的推进、实施； 5. 组织并熟练使用各种质量工具和方法对质量问题进行根因分析、处理、改进、预防措施的制定和执行落地； 6. 提升全员质量意识和质量文化，持续提升组织的质量改进能力。
1. 负责CPU IP/芯片、解决方案等相关领域端到端质量管理工作，以客户需求为导向，制定E2E质量要求和质量计划，并确保实施符合要求； 2. 设计各类E2E过程及结果质量的数据度量统计模型，建立度量分析体系，负责质量数据的采集、治理、分析与应用，运用数据分析工具和方法，形成各类分析看板将数据转化为可操作的洞察，支持运营决策优化和管理效率提升； 3. 结合IPD业务流程体系框架，负责规划和构建端到端业务模块和数据链路的信息化平台，提供数字化运营能力，并使用数字化运营平台、工具、方法，开展问题识别、分析，提高发现问题、分析问题、解决问题的能力和效率 4. 负责质量信息化整体规划，收集整理业务需求及痛点、主导需求分析、管理项目进度，协调资源、功能落地及上线交付等相关工作，及信息化系统的运营管理，包括系统使用分析、问题改进、系统培训、功能宣传等
1. 负责Mesh总线在SOC级的系统验证: a. 负责制定验证策略，提取验证特性，完成验证计划； b. 负责搭建验证环境，创建并调试验证用例，收集并分析代码和功能覆盖率，完成网表级仿真； c. 负责与mesh总线IP团队的沟通交流，例如，验证环境的复用及验证场景的拉通，验证覆盖场景的互补等等； d. 负责验证Signoff工作，保证mesh总线的验证质量； f. 承担mesh总线在EMU平台上系统大压力和场景验证，例如，cache一致性，跨DIE等复杂压力场景的验证 2. 负责支持其他子系统对于mesh总线的依赖，保证总线环境的可复用性和可移植性； 3. 参与SOC系统级的性能分析；
1. 负责基础工艺IP（Foundation IP）设计与交付，包括Standard Cell、SRAM、IO及其他数模混合 IP（如CML、LDO、PVT Sensor等） 2. 深入理解并解读Foundry PDK、工艺规则与特性，与工艺厂保持紧密技术协作，分析并解决与工艺波动、可靠性（EM/IR-drop/Aging 等）相关的设计挑战 3. 针对产品目标与工艺特性进行定制化电路设计，优化 PPA（性能/功耗/面积）、工艺鲁棒性与可靠性指标，为高性能计算芯片提供定制化基础IP支撑 4. 负责IP工艺库开发与维护，包括 LIB、LEF、GDS、Verilog/Liberty 模型等，确保交付质量与一致性 5. 建立并执行严格的验证流程，包括SPICE仿真、DRC/LVS/ERC/PERC、跨PVT工艺角功能验证、可靠性验证，确保IP的功能正确性、时序完整性、物理可靠性与量产可行性 6. 输出完整的IP技术文档及使用指南，为SoC设计团队提供技术支持，保障IP的顺利集成
1. 负责CPU子系统级以及SOC级的系统验证: a. 负责制定验证策略，提取验证特性，完成验证计划； b. 负责搭建验证环境，创建并调试验证用例，收集并分析代码和功能覆盖率，完成网表级仿真； c. 负责从CPU IP环境移植随机指令发生器以及参考模型至soc环境，增强环境的随机和压力复杂度； d. 负责验证Signoff工作，保证CPU子系统的质量； f. 承担CPU子系统在EMU平台上系统大压力和场景验证； 2. 负责支持其他子系统对于CPU子系统的依赖，保证CPU子系统的可复用性和可移植性； 3. 参与SOC系统级的性能以及功耗分析；
1. 负责子系统级以及SOC级的IP集成验证: a. 负责制定验证策略，提取验证特性，完成验证计划； b. 负责搭建验证环境，创建并调试验证用例，收集并分析代码和功能覆盖率，完成网表级仿真； c. 负责验证Signoff工作，保证高速总线子系统的质量； d. 承担高速总线在EMU平台上系统大压力和场景验证，例如，跨DIE一致性，P2P, P2M等复杂压力场景的验证 2. 协同芯片设计工程师，共同完成debug工作；
1.负责RISC-V AI开源生态的规划与建设，推动RISC-V国际社区生态建设，联合国内共建RISC-V AI开源生态。 2.参与制定RISC-V Matrix扩展标准，推动其在行业中的落地与应用。 3.参与RISC-V Matrix加速引擎的架构建模与参考设计实现。 4.参与定义与优化RISC-V AI底层算子库，提升计算效率与易用性。
● 参加高性能RISCV IP的开发 ● 阅读相关的设计文档，理解设计需求并定义出测试计划 ● 搭建模块级和TOP级验证环境，产生测试向量 ● 参与构建处理器验证流程及验证环境； ● 执行测试计划，进行覆盖率分析 ● 定义，产生和分析各种验证指标 ● 执行门级仿真和emulation ● 关注主流验证技术发展，引入先进的验证技术和策略，提高验证的质量和效率。
1、负责核心业务域数据体系的规划和建设，通过数据产品和数据服务等方式，高效支撑业务场景的数据需求 2、负责数据资产建设、数据质量与稳定性管理，构建共享融通的数据平台，让数据标准更规范、数据获取更高效 3、探索Data for AI 及Al数据产品，利用大模型提升全链路数据应用效率
1、负责美食/休娱/生服行业商业化策略运营，为整体的商业化产品渗透和营收规模负责 2、对销售侧构建商业货架和不同场景的营销手册，提升营销售卖率；对商家侧交付经营诊断模板、上手指引与价值报告模板。 3、标杆案例与经营复盘：沉淀行业标杆案例；月度复盘组合渗透率 × 活跃率 × 续费率三组指标的联动关系，驱动货架与运营策略迭代 4、把"卖不动 / 用不起来 / 算不清"三类问题结构化为带证据的需求条目，进入需求池并推动进入 AI 产品、中台产品与各产品线的 roadmap，跟踪至上线闭环 5、构建业务、运营等不同团队的协作机制，减少不同团队的沟通成本
1. 负责多模态与AIGC核心算法的研发与优化，深度推动AIGC技术在视觉智能领域的工程化落地，系统性提升图像、视频等多模态内容的生成质量与语义理解能力； 2. 持续跟踪并深入探索AIGC前沿技术方向，涵盖扩散模型（Stable Diffusion、Flux系列）、自回归生成（AR）及强化学习等核心范式，面向通用场景与垂直领域持续打磨SOTA模型，有效驱动下游业务应用效果提升； 3. 主导推动AIGC技术的产品化创新与规模化落地，重点方向包括智能内容生成工具（图文、视频、广告素材等全链路创作）、基于自然语言指令的通用图像/视频编辑能力，以及多模态内容智能化生产流程的构建与优化。
1. 视频生产链路和渲染框架搭建，设计并实现AI驱动的视频生产解决方案，优化链路性能，丰富模板效果，确保高吞吐量、低延迟，满足实时或近实时处理需求。 2. Workflow基建开发，设计并开发可扩展的工作流引擎，支持复杂任务编排（如条件分支、并行计算、异常重试）。 5. AI应用开发与部署，将AI能力封装为服务，集成到企业级应用中。 6. 技术研究与创新，跟踪前沿AI技术（如多模态大模型、Agent框架），推动技术创新与业务落地。
1、负责端框架产品能力提升，以及淘宝共性产品体验问题的优化； 2、结合ai能力、用户洞察、厂商动向，持续探索用户更优质的多终端产品体验； 3、负责淘宝在各应用市场的评分持续优于竞对，分析用户反馈的产品体验问题并完成对应优化。
我们在解决什么问题： 项目管理正在被 AI 重新定义。机械填表、追踪进度、撰写报告这类常规工作，正在被 AI 快速接管；真正稀缺的，是能在高度不确定中，把一群聪明人对齐到同一目标，并让项目跑得更快、更可验证、更能持续进化的人。 与此同时，我们正在大规模推进 AI 项目——从电商业务的 AI 应用落地（智能导购、AI客服、内容生成、智能运营等），到内部 AI 平台与基础设施建设，再到 AI 原生产品的从 0 到 1。这些项目与传统软件项目有着本质差异：它们是探索驱动的，结果不确定、依赖数据与评测、迭代中反复演进，实验性失败是常态而非异常。传统"路径确定、控制偏差"的管理方式，在这里会失灵。 我们要找的，是能驾驭这种不确定性、并能为组织搭建"AI 时代项目管理体系"的人。 你会做什么： 公司级重点项目/战役的全生命周期管控：从业务规划、产品方案、技术研发、上线、业务验收到复盘收尾，对进度、质量、成本进行整体把控，推动交付过程标准化，确保目标达成。 驾驭 AI 项目的不确定性：针对 AI 应用、AI 平台、AI 原生产品三类项目探索性强、依赖数据与评测的特点，设计"快速试错—可评测—持续迭代"的运行机制；帮助团队区分"实验性失败"与"真正的风险"，把握试错节奏与投入产出。 搭建 AI 时代的项目管理工具体系：设计并落地面向组织的 AI 项目管理工具链与方法体系——用大模型/AI 自动化周报与风险预警、从项目数据与研发 trace 中做归因分析、辅助排期与资源预测，让 PMO 从"事务执行"升级为"判断与决策支持"，并沉淀为可复用的组织能力。 建立跨团队对齐机制：在需求模糊、目标演进的环境中，与业务、产品、技术、算法、数据多方建立高效协同机制，推动共识与执行；熟悉所支持业务全链路，敏捷识别产品与技术的机会与风险。 需求、排期与兵力管理：负责 BP 产品/技术团队的需求管理规范、排期管理与资源配置，对技术规划有理解与价值判断，让业—产—研协同在线化。 方法论沉淀与效率赋能：因地制宜为不同业务设计项目管理、工时管理、文档管理、敏捷提效方案并推动落地；沉淀 AI 项目管理的新范式，赋能项目与团队。 我们希望你： 懂项目管理，更懂"为什么这么管"：有扎实的研发/项目管理方法论基础（OKR、敏捷、Scrum/看板），但不迷信流程，会追问"这个流程解决了什么真实问题"。 理解 AI 项目的运行机制：清楚 AI 项目与传统软件项目的差异（不确定性、数据依赖、评测驱动、迭代演进），理解模型、数据、评测、上线迭代的基本链路，能和算法/工程团队"接得上话"。 是 AI 工具的重度使用者，最好还是"搭建者"：日常就在用 AI 提升工作效率；如果你具备 AI 时代项目管理工具体系的搭建、设计与实践能力（能自己设计流程、串联工具、跑通闭环），将是我们最看重的能力之一。 能在不确定和模糊中推进：面对目标演进、方案反复、跨团队分歧，有秩序感、执行驱动力，也有把混乱收敛成可执行节奏的能力。 有强自驱、强推动与学习力：能主动发现、拆解、推动解决问题；面对陌生技术栈与新 AI 概念能快速上手——在 AI 时代，学习速度本身就是核心竞争力。
1. 负责AI产品核心效果评估与精度度量：主导大模型及AI应用在业务场景下的效果评测全流程，包括构建多维度评测指标体系（如准确率、召回率、幻觉率、Rouge/BLEU及任务完成率），制定严谨的AB实验方案，并对评测数据进行深度统计与归因分析。 2. 构建对抗性评测与稳定性验证体系：设计并执行覆盖边界Case、长尾分布及恶意攻击的测试用例，系统性评估模型在复杂场景下的鲁棒性、安全性与语义稳定性，输出可量化的风险评估报告。 3. 推动效果回归与用户体验闭环：建立版本迭代的效果回归基线，利用自动化工具持续监控模型更新带来的精度波动；同时建立“线上数据回流-线下标注验证-模型优化”的闭环机制，推动产品体验的持续优化。 4. 设计自动化评测工具与数据飞轮：开发或集成AI自动化评测脚本（如基于API的批量推理、断言校验），建设数据标注与结果分析平台，提升效果评估的效率和可复现性；主导评测数据集的构建与管理，确保数据分布的合理性与标注一致性。
