AI 软硬件协同设计工程师(J10686)

职位描述

职位概述 (Job Summary)

我们正在寻找一位富有创新精神、注重结果的 AI 软硬件协同设计工程师，加入我们的 GPU 架构团队。这个关键职位涉及深入分析尖端 AI 模型（AI models）的性能，并与软硬件架构师紧密合作，共同定义下一代 GPU 及加速器的硬件特性。您将成为连接未来 AI 工作负载需求与硬件实现之间的桥梁。

核心职责 (Key Responsibilities)

• 工作负载分析与特征提取 (Workload Analysis & Characterization)：

o 深入研究并描绘最先进的 AI/ML 工作负载的特性，包括大型语言模型 (LLMs)、生成式 AI、计算机视觉模型和基于 Transformer 的模型等，以理解它们的计算模式、内存需求和数据流。这包括对最先进的训练技术（例如，分布式训练、数据/模型并行、优化器内存缩减）和推理方法（例如，量化、稀疏注意力、内核融合、推测解码）进行深入分析。

o 协同设计循环 (Co-Design Loop)： 提出并评估微架构特性（例如，新的指令集、专用计算单元或内存系统优化），以最大程度地加速关键 AI 内核的运行。

• 性能建模与工具开发 (Performance Modeling & Tooling)：

o 利用并改进 GPU 仿真器和性能模型，精确预测所提出的硬件特性在不同 AI 工作负载下的性能和功耗影响。

o 开发和维护关键的工作负载、微基准测试 (micro-benchmarks) 和性能分析工具，以隔离和量化架构瓶颈。

• 技术联络与需求收集 (Technical Liaison & Requirements Gathering)：

o 担任 GPU 架构团队、内部编译器/软件团队以及直接外部 AI 客户之间的主要技术联络人。收集并分析他们的需求和限制（例如，模型类型、部署场景、延迟目标），从而直接影响硬件功能的定义，确保 GPU 设计针对实际的 AI 工作负载进行优化。

• 架构权衡分析 (Architectural Trade-offs)：

o 进行严格的 功耗、性能和面积 (PPA) 权衡分析，提供数据驱动的建议，指导 GPU 架构的长期发展路线图。

任职要求

基本要求 (Required Qualifications)

• 教育背景： 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。

• 工作经验： 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。

• 核心技能：

o 精通Python和C/C++，用于性能建模工作。

o 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。

o 对 深度学习 (DL) 模型架构有扎实的理解，具备大型语言模型 (LLM) 训练和推理技术的相关知识。

• AI/计算背景：

o 熟悉 GPU 编程模型（CUDA 或等效）。

o 具备分析和优化 DL 框架（PyTorch/TensorFlow）内性能的经验。

优先条件（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。