AI算法开发工程师

参与深度学习算子（如Conv、GEMM、Attention等）在自研NPU上的编译器端设计与优化工作，协助完成算子融合、自动代码生成及性能调优任务。 参与高性能算子库的开发与维护，针对计算密集型算子进行硬件特性适配（如向量化、内存访问优化等），提升算子执行效率。 结合主流AI模型结构（如Transformer、扩散模型等），参与定制化编译优化策略的设计与验证，协助提升端到端推理效率。 参与NPU等硬件平台的算子适配工作，在资深工程师指导下解决指令集适配、内存带宽、并行化等性能瓶颈问题。 与算法团队协同，参与编译器技术在模型部署中的创新应用探索。

1. 01

   教育背景 专业： 计算机科学、软件工程、电子信息、人工智能、自动化等相关专业，硕士或博士毕业生。 核心知识： 扎实掌握编译原理、计算机体系结构、数据结构与算法、线性代数等核心课程知识。

2. 02

   专业技能 编程语言： 精通 C/C++ 编程，熟悉现代C++特性；熟练使用 Python 进行脚本开发与模型部署实验。 AI编译基础： 了解 TVM、XLA、TensorRT 等至少一种AI编译框架的基本架构与工作流程；理解算子融合、内存布局优化、循环优化等基本编译优化技术。 硬件理解： 对CPU/NPU/GPU等处理器基本架构有基本认知，理解SIMD/SIMT、缓存层次（Cache Hierarchy）、内存带宽等对算子性能的影响。 AI模型基础： 了解主流AI模型（如CNN、Transformer、扩散模型等）的基本计算特性与算子构成，有PyTorch/TensorFlow使用经验者优先。

3. 03

   项目/科研经历（满足任一即可） 有AI编译器或算子开发相关课题或项目经历，完成过算子实现、算子调优或编译优化Pass开发等工作。 有高性能计算（HPC） 或异构编程（CUDA/OpenCL/OpenMP） 相关项目经验，对循环优化、内存优化、并行化等技术有实践体会。 参与过AI模型从训练到推理部署的全流程项目，对模型推理性能优化有一定理解。 有开源编译框架（TVM、MLIR、LLVM等） 使用经验或社区贡献经历。 有NPU/GPU/DSP等异构计算平台的算子开发或适配经验者优先。 有CUDA Kernel开发或Triton语言使用经验者优先。 熟悉Transformer类模型结构或有相关图编译/图优化处理经验者优先。

4. 04

   综合素质 英语能力： 能熟练阅读英文技术文档及学术论文，能够跟进AI编译/系统领域前沿研究成果。 性能思维： 具备良好的性能分析与瓶颈定位能力，对程序优化有浓厚兴趣，有钻研精神。 沟通与协作： 具备良好的团队协作和沟通能力，能够与算法、芯片等团队高效协同。 加分项 有CUDA Kernel开发或OpenCL异构编程实际经验。 了解NPU/DSP等专用加速器架构或RISC-V向量扩展指令集。 有TVM/MLIR/LLVM开源社区代码贡献或实际项目优化案例。 熟悉TensorRT、OpenVINO、ONNX Runtime等推理后端的使用与优化。 有MLSys、PPoPP、ASPLOS等系统/编译器方向顶会论文发表或参与经历。