高性能算子专家（存算与AI） - 芯片研发

团队介绍：聚焦存算一体芯片设计，主要围绕AI大模型应用场景进行高能效计算技术创新，设计多款基于存算一体架构的高能效AI芯片，突破传统冯・诺依曼架构下的 "内存墙" 瓶颈，提升能效比、降低算力成本。团队具备独立流片与量产落地能力，累计申请专利近300项，核心专利覆盖“底层器件-核心架构-工程落地”全流程。同时与字节各团队算力需求整体协同，更好的发挥存算一体芯片的技术价值，共同为AI业务提供高能效算力底座。

1、面向自研异构计算平台，负责CPU、GPU、DSP、NPU等各类硬件后端的算子开发，其中NPU基于自研编程模型，适配专用指令集与片上存储；
2、分析硬件架构和算子计算特征，围绕并行划分、数据重用、向量化、访存合并、流水调度等方向优化性能；
3、参与算子库的接口与元数据设计，包括算子语义、输入输出约束、数据类型、Tensor版图、Shape推导、资源占用、执行延迟及硬件适配信息，为图编译器做算子切分调度的性能代价模型提供输入；
4、协同编译器和大模型框架等团队，支持主流算法和大模型端到端运行和性能优化；
5、从并行计算角度参与软硬件协同设计，为指令集、存储层次、同步机制以及NPU微架构提供软件侧需求和评估；
6、参与算子开发工具链、调试工具、性能分析工具和自动化测试体系建设，沉淀可复用的算子模板与优化方法。

1、计算机、算法、电子工程、自动化、微电子或相关专业，本科及以上学历，2年以上C++开发经验；
2、熟悉卷积、矩阵乘、归一化、激活、Attention等常见深度学习算子的计算原理，理解算子在不同Shape、数据类型和版图下的性能特征；深入理解Roofline分析模型；
3、具有CUDA、OpenCL、DSP或其他异构计算平台中的至少一种开发经验，理解线程组织、共享存储、同步机制及访存优化；
4、具备良好的工程实践能力，熟悉Linux、Git、CMake及常用调试工具，能够独立完成算子的开发、测试、集成和性能验证；
5、具备良好的跨团队沟通能力，能够与芯片架构、编译器、Runtime、框架和模型团队紧密协作。