核心系统软件开发 主导 AI 芯片运行时（Runtime）、驱动（Driver）及基础库（Lib）的设计与优化，构建高效的异构计算框架。 开发多卡集群通信协议（如 RoCE/InfiniBand），实现分布式训练 / 推理任务的负载均衡与性能调优。 工具链与开发环境构建 设计 AI 编译器工具链（如 TVM/MLIR 适配），优化算子融合、内存分配及指令调度，提升模型推理效率。 开发调试工具（Debugger）、性能分析工具（Profiler）及自动化测试框架，支撑芯片量产交付。 系统协同与生态适配 协同算法团队完成模型量化、稀疏化及硬件友好型优化，实现算法与芯片架构的深度协同。 支持主流深度学习框架（TensorFlow/PyTorch）的适配与性能调优，推动 AI 应用在自研芯片上的落地。 前沿技术探索 跟踪存算一体、Chiplet 等架构趋势，探索新型计算模型（如大语言模型推理加速）的软件实现路径。 优化低功耗设计（DVFS/UPS）及安全机制（RAS），保障芯片在复杂场景下的稳定性与可靠性。

硕士及以上学历，计算机、电子信息、集成电路等相关专业，8 年以上系统软件开发经验，3 年以上团队管理经验。 专业能力 精通 C/C++ 编程，熟悉 Linux 内核（内存管理、设备驱动）及 Makefile/bash 脚本开发。 掌握异构计算模型（CUDA/OpenMP），具备高性能计算库（如 cuDNN/MKL-DNN）优化经验。 熟悉 AI 芯片架构（NPU/GPGPU），有 2 次以上芯片软件量产交付经验，成功支持流片后调试。 技术深度 至少精通以下一项：AI 编译器开发（LLVM/TVM）、分布式通信协议（RDMA/CXL）、大模型推理加速。 熟悉 AI 框架底层实现，具备算子级性能调优（如矩阵乘、卷积）或模型量化经验。 综合素质 具备复杂问题拆解能力，能独立制定技术方案并推动跨团队协作。 对技术趋势敏感，持续关注 AI 芯片软件栈（如编译器、运行时）的演进方向。