系统工程师-端到端性能建模

岗位职责

1. 负责 AI 芯片端到端性能建模与仿真体系建设，构建面向模型、算子、软件栈和硬件架构的性能分析框架；

2. 开发 cycle-aware / cycle-approximate 性能仿真器，模拟关键硬件行为，支撑芯片早期架构探索和性能评估；

3. 结合典型 AI 模型、算子和实际应用场景，分析芯片在真实工作负载下的端到端性能瓶颈；

4. 评估算力、存储、带宽、数据搬运、并行度、任务调度等关键因素对系统性能的影响，提出架构优化建议；

5. 利用 AI 工具快速构建仿真器原型、性能分析脚本和自动化报告流程，提升架构探索效率；

6. 与硬件架构、软件系统、编译器、算子、驱动、验证等团队协同，推动性能模型与真实实现之间的持续校准。

任职要求

1. 熟悉计算机体系结构、AI 芯片、NPU、GPU、SoC 或异构计算系统中的一种或多种方向；

2. 具备性能建模、架构仿真、系统仿真、性能分析工具或 Benchmark 分析相关经验；

3. 理解 AI 芯片中的计算、存储、带宽、数据搬运、任务调度、延迟和吞吐等关键性能因素；

4. 具备较强的软件开发能力，熟悉 C++ / Python / SystemC 中至少一种，能够开发性能模型、仿真器或分析工具；

5. 具备系统分析能力，能够从模型、算子、软件栈和硬件资源之间定位端到端性能瓶颈；

6. 具备良好的文档和表达能力，能够输出性能模型说明、仿真结果分析、架构取舍建议和风险清单。

加分项

1. 有 cycle-level / cycle-accurate / cycle-approximate 性能仿真器开发经验；

2. 有 NPU、GPU、CPU、NoC、Memory System、DMA、Cache、DDR、SRAM 等性能模型开发经验；

3. 熟悉 Transformer、MoE、KV Cache、Attention、GEMM、Conv 等模型或算子特征；

4. 有 AI 编译器、Runtime、算子映射、内存规划、任务调度、trace 生成或性能 Profiling 经验；

5. 有 SystemC、gem5、CUDA 相关经验；

6. 有使用 AI 工具进行代码原型开发、性能分析、自动化脚本生成或工程效率提升的经验。