岗位描述

2027校招｜AI芯片架构建模工程师

职位介绍

我们正在寻找对 AI 芯片、GPU 架构与高性能计算充满热情的同学。

在这里，你将使用 C++ 构建 GPU 的 Bit-Accurate Model 和 Cycle-Accurate Model，通过模型探索和验证芯片架构。你的工作将连接 AI workload、芯片架构、微架构、硬件实现、编译器与驱动，是芯片设计过程中承上启下的关键一环。

你不仅会“实现模型”，还将参与架构决策：分析真实 AI workload，定位性能瓶颈，评估不同设计方案，并推动架构和微架构持续优化。

如果你希望深入理解一颗 AI 芯片是如何从 workload 出发，经过架构设计、性能建模、软硬件协同，最终实现极致性能，这里将为你提供成长为全面芯片架构师的机会。

你将参与

使用 C++ 开发和维护 GPU 架构模型，包括功能模型、Bit-Accurate Model 与 Cycle-Accurate Model；

分析模型运行结果，定位功能与性能问题，评估架构设计取舍，并提出架构或微架构优化方案；

面向大模型、深度学习、图形渲染及高性能计算等 workload，开展特征分析、性能瓶颈定位和优化研究；

参与 GPU 计算、访存、片上互联、Cache、调度等核心模块的建模与架构探索；

开发和改进架构研究、性能分析、功耗评估及硬件验证相关工具；

设计功能、性能和功耗测试方案，构建具有代表性的测试用例与 workload；

与硬件设计及验证团队紧密合作，支持 RTL 功能验证、性能验证及问题定位；

与驱动、编译器和软件团队协作，通过软硬件协同提升芯片性能与开发效率；

跟踪 AI 算法、GPU 架构及计算机体系结构的发展趋势，探索下一代 AI 芯片架构。

我们期待你

硕士及以上学历，计算机、电子工程、微电子、集成电路、自动化、应用数学及相关专业；

具备良好的 C++ 编程能力，熟悉数据结构、算法及面向对象设计；

具备扎实的计算机基础，对计算机体系结构、并行计算或芯片设计有浓厚兴趣；

具备较强的问题分析和抽象建模能力，能够将复杂系统拆解并建立可验证的模型；

了解神经网络基本原理及常见 AI 算子；

具备良好的沟通、协作和快速学习能力，乐于探索复杂技术问题。

加分项

具备以下任意一项经验即可：

熟悉 CPU、GPU、NPU 或其他 AI 加速器架构；

了解流水线、Cache、内存系统、片上互联或任务调度机制；

有体系结构模拟器或性能模型开发经验，如 gem5、GPGPU-Sim 等；

有 CUDA、OpenCL、SIMD/SIMT 或并行程序开发经验；

熟悉 PyTorch、TensorFlow、ONNX、MLIR 等 AI 软件栈；

有编译器、驱动、性能分析或软硬件协同优化经验；

了解 Verilog/SystemVerilog，或有 RTL 仿真与验证经验；

了解计算机图形学，或有图形应用、渲染管线开发经验；

参与过体系结构、AI 系统、高性能计算相关项目、竞赛或研究。

你将获得

深入理解 AI 芯片从架构到微架构的完整设计过程；

参与真实 GPU 架构方案评估和芯片性能优化；

建立从 AI workload、性能建模到软硬件协同优化的系统能力；

与架构、硬件、编译器、驱动及算法团队开展跨领域协作；

2027校招-AI芯片架构建模工程师