AI 软硬件协同设计工程师
岗位摘要
深入研究并描绘最先进的AI/ML工作负载特性,包括大型语言模型、生成式AI、计算机视觉模型和基于Transformer的模型等;提出并评估微架构特性,以加速关键AI内核的运行;利用并改进GPU仿真器和性能模型,预测硬件特性在不同AI工作负载下的性能和功耗影响
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口,并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 深入研究并描绘最先进的AI/ML工作负载特性,包括大型语言模型、生成式AI、计算机视觉模型和基于Transformer的模型等
- 提出并评估微架构特性,以加速关键AI内核的运行
- 利用并改进GPU仿真器和性能模型,预测硬件特性在不同AI工作负载下的性能和功耗影响
- 开发和维护关键的工作负载、微基准测试和性能分析工具,以隔离和量化架构瓶颈
- 担任GPU架构团队、内部编译器/软件团队及外部AI客户之间的主要技术联络人
- 进行严格的功耗、性能和面积权衡分析,提供数据驱动的建议
任职要求
- 计算机科学、计算机工程、电气工程或相关技术领域的硕士或博士学位
- 3年以上系统架构、性能分析或硬件设计经验,重点关注高性能计算或AI加速领域
- 精通Python和C/C++,用于性能建模工作
- 对计算机架构(特别是并行处理、缓存层次结构和内存系统原理)有深刻理解
- 对深度学习模型架构有扎实的理解,具备大型语言模型训练和推理技术的相关知识
- 熟悉GPU编程模型(CUDA或等效)
- 具备分析和优化DL框架(PyTorch/TensorFlow)内性能的经验
加分项
- ) (Preferred Qualifications)
- 具有架构级仿真器(特别是 GPU 性能模型)的实际经验
- 具备对现代加速器和异构计算 (CPU/GPU/XPU) 原理的深入了解
- 具备针对AI加速器硬件,实现或优化 LLM 特定算子(例如,FlashAttention)的经验
- 拥有完整的硬件开发生命周期(从架构定义到硅后验证)经验
登录后查看完整岗位详情
使用邮箱验证码登录后,可查看完整职责、任职要求、原岗位入口,并继续使用收藏和浏览记录。列表摘要保持公开,完整详情用于保护数据质量和降低恶意抓取。