2027届校招-FPGA AI加速IP架构设计师

1. 参与FPGA AI推理IP研发，结合CNN、大语言模型及多模态模型的计算特征，开展算子分析、模块划分和数据流设计，协助完成加速方案的性能与资源评估。

2. 根据项目分工，承担核心计算单元、缓存、数据搬运或控制逻辑等具体模块的设计与开发，完成RTL编码、接口设计及仿真验证。

3. 参与CNN核心算子及大模型相关算子的硬件实现，结合模型量化、高低精度计算和并行计算方法，开展算子适配与推理链路优化。

4. 使用FPGA开发工具完成相关模块的综合、实现和时序分析，参与时序收敛及资源、功耗、性能优化，开展板级调试与测试，分析和定位功能及性能问题。

5. 与算法、芯片及系统集成团队协作，参与AI加速IP集成、软硬件联合调试和模型部署，支撑AI模型在端侧及星载场景中的原型验证。

6. 按照团队开发与接口规范，整理可复用模块、测试用例和设计文档；跟踪FPGA AI加速前沿技术，参与新方法、新架构的调研与原型实验。

1. 人工智能、机器学习、计算机科学、电子工程、自动化等相关专业，硕士及以上学历，博士优先；面向应届毕业生及毕业两年内的优秀人才。

2. 具备扎实的机器学习、深度学习和算法基础，熟悉Transformer、大语言模型、多模态模型或AI Agent等至少一个方向。

3. 熟悉模型训练、推理、评估及实验分析的基本流程，能够使用PyTorch、TensorFlow等至少一种深度学习框架完成模型开发与验证。

4. 对模型鲁棒性、可信AI、模型安全、对抗攻击、容错神经网络等方向有一定了解；有相关科研课题、论文、竞赛或实习经历者优先。

5. 了解低精度计算、bit flip、存储错误等硬件问题对AI模型输出的潜在影响，愿意从算法角度研究硬件错误、模型准确率与任务质量之间的关系。

6. 具备较强的数理基础、编程能力和实验分析能力，能够在导师或团队指导下完成问题建模、算法设计、实验验证和结果分析。

7. 具备良好的沟通协作能力，愿意与芯片架构、系统软件、计算载荷和工程测试等团队共同推进软硬件协同研究。

8. 对太空算力、太空AI、星载智能、在轨大模型、遥感智能处理或空间机器人等前沿方向有强烈兴趣，能够适应开放性和探索性较强的研究任务。

加分项

1. 在机器学习、人工智能或计算机视觉相关会议、期刊发表过论文；

2. 参与过大模型、多模态模型、模型压缩、量化或鲁棒性相关项目；

3. 有AI模型端侧部署、边缘计算或软硬件协同优化经验。