端到端性能建模工程师【27届校招】

参与 AI 芯片端到端性能建模与仿真体系建设；

开发性能模型、仿真器原型、分析脚本和自动化报告工具；

分析典型 AI 模型和算子性能，包括 GEMM、Attention、Conv、Transformer、MoE、KV Cache 等；

评估算力、存储、带宽、数据搬运、并行度、任务调度等因素对系统性能的影响；

支持芯片早期架构探索，协助完成性能评估、瓶颈定位和架构优化建议

本科及以上学历，计算机、电子工程、微电子、集成电路、自动化、软件工程、人工智能等相关专业；

具备计算机体系结构、操作系统、并行计算、数字电路、AI 计算或异构计算相关基础；

熟悉 Python / C++ / SystemC 中至少一种，具备一定工程实现能力；

理解延迟、吞吐、带宽、算力、访存、并行度、利用率等基础性能概念；

具备较强的逻辑分析、学习能力和文档表达能力。 加分项

有 GPU / NPU、AI 芯片、系统仿真、性能建模相关课程项目、科研项目或实习经历；

使用过 gem5、SystemC、CUDA、Verilog / SystemVerilog、TVM、MLIR、PyTorch、ONNX、Triton 等工具之一；

做过性能分析、Benchmark、Profiling、仿真器、调度器、Cache / Memory / DMA / NoC 模型等相关项目；

熟悉 Transformer、MoE、Attention、KV Cache、GEMM、Conv，或有 AI 编译器、Runtime、算子映射、内存规划、任务调度、trace 分析相关经验。 你将获得

参与 AI SoC / NPU 芯片早期架构定义和性能评估的机会；

系统理解模型、算子、编译器、Runtime、存储系统和硬件架构之间的关系；

在导师指导下成长为 AI 芯片性能建模、架构仿真和系统分析方向的工程师