AI加速软件资深研发工程师（AI芯片） - 芯片研发

团队介绍：AI芯片团队深耕人工智能芯片研发领域，产品覆盖云端与终端场景，致力于提供高效率、低成本的AI芯片及 SoC 解决方案，满足公司内外AI及相关业务的算力需求。团队自主设计了多款AI芯片，涵盖推理、训练场景，具有高性能、高精度、高灵活性、编译器友好、低成本等特点。核心AI加速核与AI软件栈均为自主研发，具备完整知识产权，能够支撑面向不同模型、不同部署场景的持续演进与优化。

1、负责大模型在自研AI芯片上的性能评估与软硬件协同优化，主导方案设计、计算、通信全链路适配和调优；
2、对接算法，负责大模型例如豆包、Seedance等在自研硬件不同分布式方案设计性能评估、roofline建模和集群成本分析等，协助业务落地的软硬件协同设计；
3、负责高性能计算算子与集合通信算子的设计、实现与优化，主导大模型分布式训练/推理场景下计算与通信的融合及重叠优化，追求极致的端到端吞吐与性价比；
4、负责模型量化、稀疏、蒸馏等部署方案的探索与落地，构建分布式推理系统并对推理框架做极致调优；
5、牵引关键技术难题攻关，制定技术路线，指导并培养团队成员，推动跨团队（算法、框架、驱动、硬件、芯片验证）协同与自研软件栈的架构演进，主动探索针对硬件的创新部署方案和软件栈方案设计。

1、计算机/电子工程相关专业，硕士学位及以上优先，4年以上AI编译器、算子或高性能通信相关研发经验；
2、深入理解AI加速硬件体系结构与并行计算，精通多层级存储、片上NOC与片间互联原理，能从体系结构视角驱动软硬件协同设计；
3、精通C/C++与Python，具备扎实的算法功底与软件系统的架构设计、性能优化能力；
4、深入掌握主流深度学习框架的底层计算与运行时机制，对常见算子的底层实现有深刻理解；
5、具备技术领导力与较强自驱力，能独立牵引复杂技术攻关，沟通协作与问题分析解决能力优秀。

以下为加分项
1、深入理解LLM与多模态模型（如Qwen、DeepSeek等），有大模型分布式训练/推理框架的研发与调优经验，有大模型训练千卡以上集群训练落地经验；
2、熟悉NCCL、DeepEP等集合通信库与RDMA原理，有自研集合通信库或芯片互联的研发与优化经验；
3、熟悉GPU或主流AI DSA体系结构与CUDA等异构编程模型，有算子优化、图编译优化或硬件评测的实战经验；
4、有AI加速硬件量化工具的开发经验，熟悉模型量化、稀疏、剪枝、蒸馏等压缩技术的落地；
5、熟悉AI服务器与集群架构，对多层级卡间互联Topo有实践经验，有分布式部署落地经历。