AI软件架构师（AI Infra方向）

岗位职责
1. AI软件栈架构设计与演进：制定江原NPU的AI软件栈整体技术蓝图，明确算子库、编译器（Triton）、框架适配层的模块划分与接口规范。根据芯片架构演进路线图（D10→D20及后续），前瞻性规划软件架构的升级路径，平衡性能、通用性、可维护性。
2. 算子库架构方案设计：设计算子库的分层架构（基础算子→复合算子→融合算子），定义算子开发规范、性能验收标准与自动化测试方案。主导关键算子（Conv、GEMM、Attention等）的性能建模与优化策略，确保算子性能达到硬件峰值算力的特定比例（如80%+）。
3. AI编译器技术方案：设计基于Triton的编译器后端架构，制定图优化Pass序列、内存复用策略、代码生成模板等核心方案。决策编译器与算子库的分工边界（例如：是否采用算子外包调用 vs 直接生成硬件指令）。
4. 框架集成方案设计：设计PyTorch接入方案（如通过Custom Device接口或PrivateUse1机制），包括张量迁移、自动微分适配、分布式支持等。为大模型推理场景设计vLLM/SGLang的NPU后端方案，制定显存管理、请求调度、连续批处理的适配策略。
5. 架构落地与推进：输出架构设计文档、技术原型和演进Roadmap，组织技术评审并推动团队按方案实施。识别落地过程中的技术风险（如性能回退、接口不兼容），制定缓解措施并协调资源解决。

任职要求
必选项：计算机相关专业硕士及以上学历，8年以上AI软件系统经验，其中至少3年担任架构师或技术Leader角色。具备完整的方案设计→原型验证→量产交付的架构落地经验（不限于NPU，GPU/TPU/DSP亦可）。
算子层：精通至少一种AI芯片的算子开发全流程（从算法分析→指令调优→性能验收），并有主导设计算子库分层架构的案例。
编译器层：深入理解至少一种AI编译器（Triton/TVM/MLIR/XLA）的架构设计，独立完成过编译器后端模块（如Pass、Codegen、Runtime）的方案设计。
框架层：熟悉PyTorch内部机制（Dispatcher、Autograd、DDP），主导过至少一个框架后端适配方案的设计（如PrivateUse1扩展、第三方设备接入）。
优秀的系统抽象能力和技术决策能力，能权衡多种技术方案的优劣并给出合理选型。
具备跨团队推动能力（与硬件、驱动、算法团队协作），将架构方案转化为可执行的开发任务。

其他
有Triton编译器贡献或二次开发经验。
熟悉vLLM/SGLang等推理框架的内部架构，有自定义设备后端接入经验。
参与过芯片流片前的软件仿真环境设计。