岗位职责
- 参与AI编译器与编译工具链研发，开展中间表示（IR）、编译优化、代码生成及后端适配等工作，支持深度学习模型在不同AI加速器上的高效执行 - 探索基于大语言模型的算子自动生成与优化技术，建设代码生成、编译、正确性验证及性能评测流程，提升算子开发效率与运行性能 - 开发和优化高性能算子，围绕矩阵乘、Attention等典型算子，开展算子融合、数据布局优化、访存优化及并行调优 - 研究Persistent Kernel与设备端任务调度技术，优化内核启动、主机与设备交互及同步开销 - 建立AI加速器性能模型与仿真工具，分析计算单元、存储层次及数据传输等因素对算子性能的影响，并结合硬件实测数据进行模型校准 - 开展微架构设计空间探索与软硬件协同优化，评估不同硬件配置对典型AI负载的性能影响，为芯片架构设计和选型提供量化依据
职位要求
- 计算机、软件工程、电子工程、微电子或相关专业，具备扎实的数据结构、算法、操作系统、编译原理和计算机体系结构基础 - 熟练掌握C/C++，能够使用Python进行工具开发、自动化测试和数据分析，具备良好的工程实践与调试能力 - 熟悉并行计算基本原理，理解GPU或其他AI加速器的执行模型、存储层次和同步机制，能够分析计算与访存瓶颈 - 了解深度学习常用算子的计算特征，能够从计算量、内存访问量、数据复用和并行度等方面分析性能 - 具有大语言模型辅助算子生成、自动调优（Auto-tuning）或自动化正确性验证经验 - 具备以下至少一个方向的研发经验： - AI编译器：熟悉LLVM、MLIR、TVM等编译基础设施，具有中间表示、编译优化、代码生成或编译器开发经验 - 算子优化：具有GPU/NPU核心算子开发经验，熟悉性能分析与调优方法，有相关开源项目贡献 - 性能建模与仿真：具有处理器或AI加速器性能建模、体系结构仿真或微架构性能分析经验
