GPU片上互联架构师
岗位摘要
负责GPU/AI加速器芯片内部片上互联、NoC、fabric、crossbar、memory fabric等模块的架构定义和功能规格编写；定义片上互联的事务模型、数据包格式、请求/响应流、路由、仲裁、QoS、虚拟通道、排序、流控、背压及死锁/活锁规避等关键机制
岗位职责
- 负责GPU/AI加速器芯片内部片上互联、NoC、fabric、crossbar、memory fabric等模块的架构定义和功能规格编写
- 定义片上互联的事务模型、数据包格式、请求/响应流、路由、仲裁、QoS、虚拟通道、排序、流控、背压及死锁/活锁规避等关键机制
- 分析GPU内部SM/计算集群、L1/L2缓存、内存控制器、HBM/DRAM接口、DMA、拷贝引擎、主机接口等模块之间的数据流、控制流和带宽需求
- 评估片上互联在不同工作负载和流量模式下的性能瓶颈，包括带宽、延迟、拥塞、热点、incast、队头阻塞、缓冲区占用及背压传播等问题
- 进行NoC/fabric微架构权衡分析，包括拓扑结构、路由器流水线、crossbar结构、缓冲区大小、VC数量、仲裁策略、基于信用的流控、QoS策略及时钟/电源域跨越等
- 搭建、维护或扩展C++/SystemC/Python架构模型和性能模型，用于早期架构评估、参数搜索、性能瓶颈定位和设计方案对比
- 与RTL、验证、性能建模、软件、编译器、驱动、物理设计、DFT等团队协作，推动互联架构规格落地为可实现、可验证、可收敛的芯片设计
- 支持benchmark、流量生成器、压力模式、边界用例、QoS场景和性能验证用例定义，为架构模型、RTL仿真和仿真平台提供输入
- 参与片上互联与缓存一致性、内存一致性、原子操作、屏障、DMA、地址映射、分区、IOMMU/地址转换等机制的协同设计
- 输出并维护架构规格文档、接口协议文档、性能分析报告、设计决策记录、配置参数说明和跨团队对齐材料
任职要求
- 计算机体系结构、微电子、电子工程、计算机科学或相关专业背景，硕士及以上学历
- 熟悉GPU、AI加速器、高性能SoC、CPU、DPU、网络处理器等复杂芯片架构中的至少一种
- 熟悉片上互联NoC、总线fabric、crossbar、路由器、缓存fabric、内存子系统中至少一种关键模块或子系统
- 理解常见片上互联机制，包括路由、仲裁、流控、QoS、虚拟通道、基于信用的流控、排序、死锁/活锁规避、背压等
- 具备较强的C++建模能力，能够编写结构清晰、可维护、可扩展的架构级或性能级模型
- 能够基于工作负载流量模式分析片上互联的带宽、延迟、拥塞、缓冲区占用和资源瓶颈
- 具备良好的系统分析能力，能够在性能、面积、功耗、复杂度、可验证性和可实现性之间进行工程权衡
- 具备良好的跨团队沟通能力，能够与RTL、验证、软件、性能、物理设计等团队协同推进架构方案落地
- 能够阅读和编写英文技术文档，具备清晰的技术文档表达能力
- 【加分项】有GPU NoC、AI加速器NoC、L2缓存fabric、内存fabric、一致性互联或高性能SoC fabric相关设计经验
- 【加分项】熟悉SystemC/TLM、gem5、BookSim、GPGPU-Sim、Accel-Sim或自研性能模型
- 【加分项】熟悉AMBA AXI/ACE/CHI、TileLink、CXL、PCIe、NVLink、UCIe或其他片上/片间互联协议
- 【加分项】有RTL设计或验证经验，熟悉Verilog/SystemVerilog，能够理解RTL实现约束和验证复杂度
- 【加分项】熟悉缓存一致性、内存一致性、原子操作、屏障、DMA、IOMMU、地址转换、内存排序等机制
- 【加分项】有GPU、AI芯片、CPU、DPU、交换芯片、网络芯片或大规模SoC流片经验
- 【加分项】熟悉AI训练/推理工作负载的典型数据流，如GEMM、attention、MoE、集合通信、KV缓存、激活/权重搬移等
加分项
- 有GPUNoC、AIacceleratorNoC、L2cachefabric、memoryfabric、coherentinterconnect或高性能SoCfabric相关设计经验
- 熟悉SystemC/TLM、gem5、BookSim、GPGPU
- Sim、Accel
- Sim或自研性能模型
- 熟悉AMBAAXI/ACE/CHI、TileLink、CXL、PCIe、NVLink、UCIe或其他片上/片间互联协议
- 有RTL设计或验证经验，熟悉Verilog/SystemVerilog，能够理解RTL实现约束和验证复杂度
- 熟悉cachecoherence、memoryconsistency、atomic、barrier、DMA、IOMMU、addresstranslation、memoryordering等机制
- 有GPU、AI芯片、CPU、DPU、交换芯片、网络芯片或大规模SoCtapeout经验
- 有性能分析、workloadcharacterization、benchmark建模、trafficgenerator设计或架构参数探索经验
- 熟悉AI训练/推理workload的典型数据流，例如GEMM、attention、MoE、collectivecommunication、KVcache、activation/weightmovement等
- 刘梦杰 刚刚活跃
福利待遇
- 薪资范围：50,000–80,000元/月，共16薪
- 工作地点：北京朝阳区望京国际研发园
工作地址
北京朝阳区望京国际研发园101