AI核架构师

岗位职责
你将参与曦望AI推理芯片及软硬件系统的核心研发工作，把底层技术能力推进到可验证、可交付、可规模化应用的真实场景。

岗位职责
- 技术文档与知识库搭建：收集并整理AI芯片架构、算子优化、通信库、编译器等领域的技术文档、论文、会议PPT及开源社区讨论，形成结构化的知识笔记或调研报告。
- AI芯片发展趋势跟踪：跟踪主流AI芯片（如NVIDIA GPU、昇腾NPU、Google TPU、各类AI ASIC）的架构演进、性能数据与生态进展，定期输出趋势简报。
- 算子优化方向调研：调研深度学习常见算子（Conv、GEMM、Softmax、Attention等）在GPU/NPU上的优化方法（如循环调度、向量化、内存复用、算子融合），总结不同优化技术的适用场景。
- 通信库与编译器的初步分析：了解集合通信库（如NCCL、MPI、RCCL）的基本原理、常用原语（AllReduce、AllGather等）及其对分布式训练的影响。
- 了解AI编译器（如TVM、MLIR、LLVM）的典型架构、算子自动生成与调优流程，撰写学习笔记。
- 协助团队完成其他技术验证任务（如跑通示例、对比性能数据等，可选）。
- 围绕 AI 芯片架构、算子、通信库和编译器等方向建立结构化认知，为架构分析和技术决策提供高质量输入。

岗位要求
任职要求
- 2027届本科及以上毕业生，计算机、软件工程、人工智能、电子工程、自动化、通信工程、数学（计算数学/信息方向）等相关专业。
- 了解计算机体系结构基础知识（存储层次、流水线、SIMD等）和并行计算基本概念（线程、块、同步等）。
- 能够阅读英文技术文档/论文，信息检索能力较好。
- 具备良好的中文文档撰写能力，能清晰、有条理地整理和总结技术内容。
- 有C++或Python编程基础，能理解简单的底层代码片段（如算子循环、CUDA kernel 结构）。
- 了解至少一种深度学习框架（PyTorch / TensorFlow），知道常见算子的输入输出形状。

加分项
- 接触过编译器或中间表示（如TVM、MLIR、LLVM、Halide等）。
- 有CUDA/HIP/OpenCL 或任何异构编程经历。
- 了解分布式训练中的通信原语或实际使用过NCCL/MPI。
- 有开源项目贡献或技术博客 / GitHub 仓库/技术博主/社区KOL。
- 能熟练使用Agent或者AI大模型。

加入曦望，你将获得什么
- 难得的创造机会：参与 AI 推理 GPU 和算力基础设施从 0 到 1 到 N 的真实建设。
- 真问题、真战场、大空间：解决成本、稳定性、规模化落地中的关键问题，在核心岗位承担真实责任。
- 顶级人才共事：和行业优秀的工程、架构、产品与业务团队一起做复杂系统。
- 简单坦诚的文化：被信任、讲事实、少内耗，专业高效地把事做成。
- 长期回报与保障：有竞争力的薪酬激励、token 补贴、补充商保、员工及家人体检、晚餐与夜间出行支持等。