职位描述
技术规划与演进： 深入洞察大模型、多模态、大语言模型（LLM）等前沿AI算法的发展趋势，制定自研芯片软件工具链（固件、编译器、运行时、算子库）的中长期技术路线图（Roadmap）。
核心架构设计： 负责AI推理软件栈的核心架构设计，定义软件各模块（如编译后端、硬件抽象层HAL、分布式推理Runtime）之间的关键接口与协议，确保系统的高扩展性、高复用性和低延迟。
技术攻坚与破局： 作为核心技术战斗力，带头攻坚计算图优化、百亿/千亿级参数模型在单卡/多卡分布式下的内存瓶颈、访存优化（如FlashAttention、PagedAttention）等最顶级的技术难题。
软硬件协同演进（HW/SW Co-design）： 负责将软件痛点、编译局限性、算子硬件瓶颈等，转化为对下一代（Next-Gen）推理芯片架构（如存储带宽、计算单元、网络互联拓扑）的切实硬件需求。
技术指导与影响力： 作为技术导师（Mentor），指导团队攻克技术难关，主导技术评审（Design Review），确保整体代码与设计质量，树立团队技术标准。任职要求
任职要求 (Requirements)
行业资历： 计算机、电子信息、软件工程等相关专业硕士/博士，8-10年以上AI芯片软件、高性能计算（HPC）或AI编译器开发经验。
技术深度（满足以下至少两个领域的极致深耕）：
编译器领域： 深入理解 LLVM/MLIR/TVM 系统架构，能亲自设计大规模计算图优化、并行化、存储调度的后端算法。
高性能计算： 极其精通异构计算体系结构（GPU/NPU），有自研高性能算子库（类似CuBLAS、CuDNN、Triton）核心架构设计经验。
分布式/Runtime： 精通多卡/多机分布式推理框架设计，深入理解 Tensor Parallelism / Pipeline Parallelism，以及高效网络通信（NCCL、RDMA）。
大局观与架构能力： 具备将复杂的、不确定的算法趋势（如从CNN到Transformer，再到未来的Diffusion/Mamba等）抽象为底层通用软件架构的高级能力。
编码与工程习惯： 即使身处高位，依然保持顶级的 C++/Python 动手写核心原型（POC）代码的能力。
