AI芯片架构师 / AI芯片产品经理

2. 芯片设计与仿真优化：熟练掌握SoC芯片架构的底层设计、量化分析、建模仿真方法，对芯片微架构设计（如指令集架构、计算单元、互连通信及访存系统等）有深刻理解，并能通过EDA工具链进行芯片性能建模、瓶颈分析及性能优化。

3. 大语言模型的软硬件协同设计：分析主流大模型（如LLM）的计算/访存等特征，提出AI应用的架构级优化方案（如预取算法、缓存分区、流水线并行、多核协同），实现软硬协同设计，从而为下一代自研AI芯片的设计提供指导思路。

4. 支持软件生态建设：针对微架构特性（如向量指令集、流水线并行），支持早期软件开发与性能调优，指导编译器设计，确保内核充分利用微架构特性，缩短硬件投产前的生态适配周期，充分实现软硬件协同规划与设计。

5. AI应用瓶颈定位与软硬件调优：深入分析AI训练/推理场景的硬件性能边界，建立性能模型并通过实际测试验证（如计算/访存/通信开销）；主导芯片微架构的瓶颈定位与调优，针对AI芯片设计软件监控工具及测试方案。

6. 新技术规划与创新：完成主流AI芯片竞品技术拆解，制定差异化架构策略，主导AI芯片技术路线选型；研究AI芯片行业趋势，从而为下一代自研芯片提供指导，推动自研芯片迭代。

任职要求：

1. 学历要求：硕士及以上学历，计算机科学与技术/电子工程/微电子等相关专业。

2. 专业能力： 参与过AI/CPU芯片全流程设计（架构定义→RTL设计/验证→量产），熟悉SoC架构设计及先进工艺封装。 精通芯片微架构细节（寄存器/计算单元/互连/访存），参与过AI芯片/CPU芯片软硬件协同设计，具备芯片建模仿真与性能分析优化经验。 熟悉主流大模型（LLM）特性，掌握软硬协同设计方法。

优先条件：

1. 软硬件协同背景优先：熟悉AI/CPU芯片硬件全流程设计，精通芯片微架构细节；熟悉主流大模型（LLM）特性，熟悉AI框架、异构编程、内核驱动等。

2. AI芯片流片及量产经验优先：了解AI应用，完整参与AI/CPU芯片硬件全流程设计，熟悉先进工艺封装。