负责 AI Infra 网络基础设施技术及平台研发，包括但不限于以下方向： 1. ALINOS网络操作系统研发：以 SONiC 开源社区为技术底座，深度参与社区演进、持续贡献关键特性；打造高性能、高可靠的自研网络操作系统，深度参与多种交换芯片的适配、eBGP 控制面集群、FRR 协议升级等硬核项目，推动 Ethernet 架构在 AI 场景落地。 2. 广域网（WAN）研发：以“打造全球一流的广域网基础设施”为愿景，通过构建全球网络流量调度系统，打破云、边、端界限，实现云边一体、端网融合；参与广域网支撑与服务平台研发，从建设交付到巡检监控、从主动探测到流量Qos，守护亿万级流量“零故障”；参与下一代光网络设计研发，构建光网络动态路由算法及平台，为AI Scale Across构建大容量、高韧性的光网络底座；基于Agentic AI打造广域网智能经营平台，实现广域网质量、资源及成本自主优化。 3. 网络自动化研发：参与基础网络中海量运行状态与数据的实时监控与管控体系研发，确保高效异常发现定位与迅速执行止血修复，提供海量数据分析和查询，支持日常网络各种运营需求，沉淀自动化和智能化技术平台体系，和运营、架构等团队一起，保障阿里全球网络的稳定、高可靠。 4. DNS平台研发：以微服务、云原生、软硬结合的高性能解析技术为底座，构建支撑十万亿级日请求量的全自研管控与解析平台，为全球业务提供异地多活、毫秒级的极致高可用解析服务；深度参与全链路AIOPS智能运维、DNS运行态数字孪生、AI Native控制台、加密DNS用户态协议栈等硬核项目，通过“DNS+AI”推动DNS从传统基础设施向AI时代智能体资源寻址与服务发现平台演进。 5. 应用网络研发：以云原生网络和高性能转发技术为技术底座，深度参与 K8S 容器网络在智算场景下的演进、自研高性能高可用智算网络管控和公网访问平台；深度参与大规模集群流量调度、IPv6 协议全栈推动、管控面高并发治理等硬核项目，通过智算网络基础设施技术创新推动AI演进。

在 AI 浪潮席卷一切的今天，阿里巴巴人力资源部需要懂代码、懂数据、懂算法逻辑的你加入，与我们一起构建HR领域的AI产品及解决方案，为组织赋能提效；如果你热爱技术，乐于探索技术在“人”的领域的落地应用，这里是你的最佳舞台！ 1. AI Agent 开发与优化 ● 协助搭建和维护基于LLM（大语言模型）的内部助手提效HR流程，助力组织高效运作 ● 利用Python/LangChain等框架，连接内部HRIS系统与外部API，实现招聘流程的自动化 ● 编写和调试Prompt工程，提升AI在人才评估、薪酬分析场景下的输出准确度。 2. 人力数据治理与分析 ● 负责清洗和结构化海量招聘与绩效数据，为内部人才模型训练提供高质量数据集。 ● 利用SQL/Python进行数据挖掘，可视化呈现人才流动趋势、离职风险预测及人效分析看板（BI联动）。 ● 监控AI招聘工具的公平性与偏差（Bias Detection），确保算法决策符合伦理合规。 3. HR Tech 产品化支持 ● 作为“技术翻译官”，对接外部SaaS供应商（如ATS、E-learning平台），评估其AI功能的技术可行性，并参与内部系统的二次开发或插件编写。 ● 收集业务部门（Recruiter/HRBP）的痛点，将其转化为技术需求文档（PRD），并协助开发团队落地。 4. 创新实验与研究 ● 跟踪最新的AI for HR技术趋势（如：视频面试微表情分析、技能图谱自动构建），并在团队内进行技术分享和POC（概念验证）演示。"

1.协助团队开展多模态大模型算法研发工作，参与语音/音频生成、理解等核心技术的研发与测试； 2.辅助研发多模态内容理解模型，协助搭建高精度、细粒度的内容描述体系，完成基础数据标注与整理工作； 3.参与训练数据集的搭建、清洗、整理与标注，助力模型迭代优化，配合完成数据集相关基础调研； 4.协助推进多模态大模型在核心业务中的落地测试，参与技术实用化过程中的效果验证与问题反馈； 5.跟踪多模态大模型、音频AI领域行业前沿技术，协助整理前沿技术资料，参与团队技术研讨与学习。

聚焦核心业务场景，借助现代C/C++、AI Agent等前沿技术推动AI提效的落地。你将参与从需求洞察到系统构建的全流程，通过建设和应用智能研发工具，通过持续推进极致的算力/架构优化，助力业务效率与效果提升，在AI新时代，实现技术驱动业务增长的完整闭环。进而推动业务和技术的智能化演进，实现技术价值高效转化。 具体职责包括以下相关方向的一项或多项： 1 深度参与业务提效 ● 参与核心商业化产品的 Agent重塑，见证传统系统到Agent系统的完整重生。通过持续的算力和架构优化助力AI提效的全面落地。 2 持续推进极致的性能优化 ● 运用现代C/C++技术、CUDA等异构硬件编程技术，结合各种先进设施，构建构建高并发、低延迟，高可用的AI引擎框架和内核，支撑业务快速迭代；探索GPU/PPU异构硬件在业务系统的落地，帮助业务提升RT/建模Scalingup空间。 3 全面重塑AI研发全过程 ● 基于 LLM 和 Agent 构建高质量知识库，高效管理业务和技术知识，优化建设最先进的AICoding系统。推动日常工作，从需求理解到代码编写到生产发布到日常运维，端到端实现AI赋能。 4 通过数据驱动业务提效 ● 借助湖仓、AIData、超参寻优、OLAP 等技术，洞察业务提效机会、系统算力洼地，直接赋能大盘效果提升和系统算力优化。 5 深度参与云原生架构赋能 ● 践行DevOps、ServiceMesh、Serverless、落地AI运维、科学实验，为广告系统提供强大的基础设施。运用容器化、微服务构建弹性高可用的广告平台，管控海量CPU/GPU资源。

1. Lead end-to-end project management for key account (KA) clients or project portfolios, including defining delivery standards, documentation, and processes during pre-sales & bidding phases. 2. Oversee critical PM elements: schedule, budget, quality, risk, and P&L (revenue & cost). 3. Drive cross-functional alignment to standardize delivery processes, resolve bottlenecks, and ensure successful project delivery. 4. Collaborate with Site Managers on site execution—monitoring quality, progress, and operational readiness. 5. Coordinate equipment acceptance, handover, and training for operations teams to ensure stable go-live.

加入我们的前沿研究项目"芯片推理引擎软硬件协同设计"。作为软件架构师，您将参与设计面向新一代芯片的完整软件栈，参与突破性技术的研发和产业化应用。 1.设计AI推理引擎软件栈。 2.设计分布式内存系统的抽象层和编程模型，与产品团队对接，确保技术方案满足应用需求。 3.负责软硬件协同优化的技术路线规划，与硬件团队深度协作，参与芯片架构设计的迭代，将实际遇到的需要硬件解决的问题反馈给下一代架构设计。 4.协调框架团队适配新架构特性，推动建立完整的开发工具链和生态。

如果你，渴望深入探索视频生成技术，开发文本到视频（T2V）基础模型的前沿技术，致力于提升生成视频的画质，真实性，一致性，以及视频生产的效率； 如果你，热衷于AIGC驱动的视频增强与处理技术，专注于将通用大模型架构优化并迁移到垂直领域，推动下游应用性能的突破； 如果你，专注于基于AIGC的可控性编辑，探索如何精准实现内容生成与修改，满足多样化的业务需求； 如果你，对基于AIGC的人脸，人体生成编辑技术充满热情，致力于打造具有高度交互性和真实性的数字形象； 如果你，期望在多模态视频理解领域取得突破，通过技术创新提升视频内容的理解与分析能力； 如果你，期望与一群聪明、皮实、乐观、追求卓越的优秀伙伴并肩作战，共同开创音视频技术的新篇章； 那还在等待什么，赶紧加入我们吧！ 岗位研究课题： 【视频增强】基于文生视频（T2V）的跨模态高保真视频增强算法。 【视频生成】聚焦跨模态可控视频生成与编辑，多模态指令驱动下视频合成，保持时序、主体身份一致性。 【人像美化】基于大模型的妆容迁移、脸型/体型智能编辑以及人脸/人体美化。 【跨模态理解】基于多模态大模型，处理视听协同感知、复杂语义一致性、崩坏识别、商品高光定位等high-level的音频、视频理解任务。

参与打造业界领先的 AI 底层平台，在超大规模的异构数据与算力基座上，构建面向全场景 AI Agent 的运行、通信、存储、调度与反馈处理框架，参与Agent框架、AI 网关、AI Registry设计，定义新一代的 AI 基础设施。 1. 建设AI Agent 核心基础设施：打造支撑海量 Agent 高效运行与演进的新一代运行、通信、数据处理平台。通过构建高性能的数据存储、检索引擎及计算流水线，挖掘海量Agent 运行时数据、交互轨迹及上下文中信息价值； 2. 核心架构与功能研发： 参与全公司级 AI Agent 底层数据与计算平台的设计与研发，提供支撑 Agent 运行的高效数据采集、处理、存储与检索能力； 3. 数据飞轮建设： 设计并研发 Agent 交互数据的收集、清洗与自动化评估系统，构建高质量的数据反馈回路（Feedback Loop），持续驱动大模型与 Agent 能力的迭代升级； 4. Agent 运行时基座： 研发稳定、高可用的 Agent 运行时（Runtime）架构和数据基础设施，包括但不限于上下文prompt、skills及长短期记忆（Memory）管理、状态持久化及高并发任务调度引擎。

1.通过与市场和客户对接业务需求，端到端梳理业务应用场景，判断业务关键路径，研判算法发展趋势，并细化为处理器AI架构和微架构需要的功能及性能指标； 2.AI计算场景端到端的性能分析，定位软硬件系统瓶颈，提出解决方案，推动软件、硬件、工具链等人员，完成方案的落地； 3.制定和编写技术提案，指令集标准，实践方式，深入参与RISC-V社区AI/相关讨论和标准制定； 4.在AI软硬件协同方向进行前瞻探索，在关键问题上做出创新突破，发表专利和高水平论文。

在这里，你将参与贡献大型电商场景下与音视频体验和成本相关的一系列研发工作； 在这里，你将参与视频编码（包括但不限于HEVC/VVC）优化：通过基于信号处理和机器学习的快速编码决策、数据结构、并行框架设计，优化编码速度，同时在有竞争力的视频编码内核基础上，探索基于语义的内容感知编码优化，深度学习编码，AIGC编码等前沿课题，在保障画质体验的前提下，尽可能节省带宽； 在这里，你将参与海量图像和视频的增强修复工作：运用前沿技术，包括但不限于模型结构优化、数据仿真和增强策略优化、知识蒸馏以及模型压缩，在限定带宽环境对任意失真的视频进行高效处理，力求最好的画质。同时，跟踪业界最新进展和技术趋势（包括AIGC）并融入特定的场景，提出创新方案，帮助平台提供逼近广电级别的视频画质； 在这里，你将参与视频编码与处理联合优化：在标准编码框架的基础上，借助AI领域的新技术成果来研究视频信号的表征、编码与处理，将视频前后处理与编码联合优化，提升端到端压缩效果； 在这里，你将参与美颜等视频美化技术的研究工作，包括人脸检测、关键点、肤色美白、面部塑形、化妆效果模拟等。这些技术将应用于直播和短视频等多样化场景，并确保其在真实视频场景的有效整合。你还将专注于基于3D人脸建模和AI算法的智能美颜技术，推动这些技术的大规模落地； 在这里，你将参与UGC视频生产剪辑依赖的多类当下最前沿的图像视频生成与编辑，包括图像风格化，人像分割与实例分割，人脸属性，图像可控生成，图像视频化等，为视频剪辑提供更丰富的素材和更多的玩法； 在这里，你将有机会参与最前沿的音视频质量评价算法工作，包括无参考的视频质量评价，人脸美学评价，音频质量评价，为多媒体算法的迭代和平台音画质的体验提供基础工具； 在这里，你将帮助淘宝直播等大型的视频传输场景设计QoS算法，追求超低延时、极速播放等用户体验，并支持各种弱网环境下的最优的视频流畅度和优雅的画质降级。

1. 参与多模态大模型在核心业务场景中的算法创新与应用，提升模型效果与用户体验； 2. 负责多模态大模型后训练技术研发与落地，探索并应用SFT、RLHF、DPO、RLVR等训练范式，跟进并保持业界技术领先； 3. 参与多模态RAG核心模型建设和优化：海量图文/视频内容理解与对齐、多模态向量表征与召回、语义匹配重排序等工作，支持文本/图像/视频等跨模态检索、相似检索与语义召回。

1. 构建完整的floorplan，包括pin assignment, partition, power grid等； 2. 制定并验证高性能低功耗时钟网络结构。执行布局和布线到收敛以满足时序，面积和功耗约束； 3. 生成并实施 ECO 以修复timing, noise, EMIR, 以及DRC/LVS违规问题； 4. 参与建立 CAD 和物理设计方法，协助芯片集成的流程开发。

探索Agentic AI 时代新的CPU 架构：参加下一代RISCV 高性能CPU的架构研究，探索Agentic AI 时代新的CPU 架构。工作包括以下内容： 1.研究AGENT workload 的特点，识别workload中的CPU 的性能瓶颈； 2.探索新的架构和微架构设计，大幅度提升RISCV CPU 对于AI Agent workload 的处理能力； 3.通过系统建模，验证新的架构和微架构设计对性能的端到端影响； 4.推动内部微架构创新成果在顶会发表；代表团队深度参与RISC-V国际基金会（RVI）或外部合作项目，推进行业标准定义。

你将成为大模型技术落地的“算力内核设计者”。你将深入 Kubernetes 生态，参与构建支撑超大规模 AI 集群的容器化基础设施，通过对调度、存储、网络等核心组件的深度定制与优化，打破大模型训练与推理的工程瓶颈。你的代码将直接优化 Agent 的冷启动速度，提升 GPU 集群的吞吐量与资源利用率，为 AI 时代的算力底座注入极致性能。 具体的职责包括以下相关方向的一项或多项： 1. AI 容器调度与编排优化： ● 深度优化 Kubernetes 调度器，实现面向 GPU 拓扑感知的算力分配，解决大规模分布式训练任务的资源碎裂问题。 ● 设计并实现面向 AI Agent 的弹性调度策略，通过多级缓存、预加载等手段，实现分钟级到秒级的 Agent 快速拉起与自动伸缩。 2. AI 高性能存储与网络底座： ● 针对 AI 大规模 checkpoint 与数据读取场景，优化容器存储挂载性能，通过存储卸载与并行化技术，解决分布式训练中的 I/O 阻塞问题。 ● 优化容器网络性能（如 RDMA/RoCE 深度集成），通过内核态路径优化，降低推理请求的网络传输延迟。 3. AI 工程平台架构设计与效率提升： ● 负责大型 AI 项目工程平台的架构设计与规划，通过构建标准化的云原生技术底座，确保复杂计算场景下的系统高可用性与可扩展性。 ● 针对大规模 AI 任务执行过程中的痛点进行架构级优化，通过降低系统开销与资源冗余，显著提升系统运行效率。 ● 定义面向 AI 场景的资源管控标准与作业管理规范，解决大规模并行任务下的资源争抢与隔离难题，确保高负载生产环境的稳定性。 4. AI 基础设施极致加速： ● 研发面向 AI 推理与 Agent 运行的轻量化容器运行时，实现计算资源的极致弹性与高密部署。 ● 构建 AI 场景下的监控与调优平台，深度剖析容器化环境下的性能瓶颈，实现从底层硬件到应用层的全链路性能优化。 ● 负责容器镜像基础服务设计与研发，针对 AI 业务特征及需求，深度优化产品架构及技术实现，为 AI 业务大规模使用等场景提供高效极致的产品能力。 ● 设计研发基于AI的智能应用弹性及资源弹性产品能力，推动对AI应用场景的端到端弹性伸缩优化。 ● 设计研发自主智能运维Agent，通过自动故障感知根因定位与自愈决策闭环，提升运维效率。"

1. Track and visualize key operational metrics in dashboards and reports to support logistics performance improvement. 2. Reconcile invoices from partner companies with internal data; identify and resolve anomalies. 3. Maintain accurate cost and KPI dashboards; support regular financial reporting and audits. 4. Build tools and dashboards to support workforce management at sort centers. 5. Support modeling and forecasting for partner operations, including cost, volume, and performance indicators. 6. Develop tools (e.g., Excel/VBA-based) to simulate the impact of business decisions on costs and KPIs. 7. Assist with presentations, annual budgeting, market research, and other strategic operations initiatives.

1. 负责公司重要数据资产的识别及运营工作，对数据安全保护措施的有效性进行检测和验证； 2. 参与建设和完善数据安全监测体系，重点建设AI Agent操作数据的风险行为进行检测与监控； 3. 根据不同的数据资产形态和AI Agent数据处理场景，参与数据风险评估、并设计合适的安全解决方案和推动落地。 4. 参与数据安全异常事件的排查及处置工作，并在指导下提出改进措施。

1.内生安全机制研究：研究视觉生成模型的训练过程，如何将内容安全、版权合规及伦理约束转化为可微分的损失函数或架构约束，实现安全能力的“内生化”； 2.价值观对齐探索：探索基于人类反馈的强化学习（RLHF）或直接偏好优化（DPO）在视觉领域的应用，确保模型生成内容符合普世价值观及特定区域的法律法规要求； 3.对抗鲁棒性建设：构建自动化红队测试（Red Teaming）流程，结合视觉生成模型的特点，针对各类攻击进行压力测试，并设计防御机制以提升模型的鲁棒性； 4.安全与效用平衡：在保障安全底线的前提下，优化模型生成质量，探索安全约束与创作自由度之间的最优解。

1、网络安全领域的威胁检测能力、响应止血及高级威胁对抗能力、边界威胁防护能力、网络安全架构的设计&演进等方面的能力建设&运营之一； 2、平台上的“群体性安全风险”的有效管理和防控，持续提升防控能力，防范平台上出现规模性安全事件/系统性安全风险； 3、产品自身SDLC工作，包括但不限于产品的安全架构设计、产品需求的安全评审、代码的安全审计及加固、产品安全漏洞的应急处置其中之一或多个。

关于我们: 我们是阿里巴巴国际数字商业集团平台技术 AI Infra 团队。 作为阿里国际的技术底座，我们负责支撑全球化电商（如 Lazada, AliExpress, 国际站 等）及企业 AI 应用提效两大核心战略方向。我们的职责涵盖了从底层到顶层的全栈基础设施建设： 1、AI 核心基建： 打造 Agent 全生命周期平台，涵盖设计（低代码/Agent Framework）、运行时（RAG/Memory/Sandbox）、评测、观测治理及 AI 大模型网关等。 2、全链路基础架构： 深度掌控电商链路的每一环节，包括全球化终端技术、智能网络层、高性能接入层、应用中间件及各类基础软件。 在这里，你不仅能参与定义下一代 AI 的运行范式，还能直面全球化超大规模分布式系统的技术挑战。 你将参与： 1、Agent Native底座研发： 构建支持 Agent 设计、运行、评测与治理的全生命周期基建，支撑万级 Agent 在复杂业务场景下的规模化落地。 2、核心组件攻坚： 深度优化分布式 RAG、多级记忆管理、人机协同（HITL）及高性能 Agent 运行时。 3、AI 资产生态建设： 打造 AI 大模型网关，解决模型消费的极致成本与供给稳定性；基于 MCP 协议构建全球 Skill 市场，沉淀企业级 AI 资产。

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。 如果你，渴望深入探索视频生成技术，开发文本到视频（T2V）基础模型的前沿技术，致力于提升生成视频的画质，真实性，一致性，以及视频生产的效率； 如果你，热衷于AIGC驱动的视频增强与处理技术，专注于将通用大模型架构优化并迁移到垂直领域，推动下游应用性能的突破； 如果你，专注于基于AIGC的可控性编辑，探索如何精准实现内容生成与修改，满足多样化的业务需求； 如果你，对基于AIGC的人脸，人体生成编辑技术充满热情，致力于打造具有高度交互性和真实性的数字形象； 如果你，期望在多模态视频理解领域取得突破，通过技术创新提升视频内容的理解与分析能力； 如果你，期望与一群聪明、皮实、乐观、追求卓越的优秀伙伴并肩作战，共同开创音视频技术的新篇章； 那还在等待什么，赶紧加入我们吧！