GPGPU 软件生态研发工程师

岗位职责

1、软件生态研究与技术规划：研究 CUDA 等主流 GPU 软件体系的编程模型、接口语义及组件关系，结合自研硬件特点，制定关键模块的技术方案并完成原型验证。

2、核心基础软件研发：根据技术专长，负责运行时、编译工具链、计算库或框架后端中的一个或多个模块，完成设计、实现、测试与持续优化。

3、CUDA 生态适配与迁移：分析现有 CUDA 应用及其依赖，研究源码迁移、接口适配和编译支持方案，明确支持范围，降低应用迁移和开发成本。

4、软硬件协同与性能优化：与芯片架构、驱动、编译器及算子团队协作，定位功能和性能瓶颈，围绕计算效率、访存效率及并行执行开展优化，并向硬件设计反馈软件需求。

任职要求

1、计算机、软件工程、电子工程等相关专业本科及以上学历，具备 GPU 计算、系统软件、编译器或 AI 基础软件相关研发经验。

2、熟练掌握 C/C++，熟悉 Python 和 Linux 开发环境，具备扎实的数据结构、操作系统、并发编程及软件调试能力。

3、熟悉 GPU 并行计算与 CUDA 编程模型，理解线程组织、SIMT 执行、存储层次、同步机制及异步执行，能够分析常见性能瓶颈。

4、必须熟练掌握AI工具的使用（claude code、codex等，国内模型不算）

5、在以下至少一个方向具备深入研发经验：

a.运行时与驱动接口：设备管理、内存分配与传输、Kernel 启动、Stream/Event、任务调度等。

b.编译器与工具链：LLVM/MLIR、编译优化、GPU 代码生成或相关编译后端。

c.计算库与算子：矩阵计算、Attention、归约等核心算子开发及性能优化。

d.框架与执行后端：PyTorch、Triton 等框架或工具的后端接入、算子分发、图编译及执行机制。

e.能够阅读复杂开源项目和英文技术资料，将研究结论转化为可验证的原型及可维护的工程实现，独立推进模块交付。

f.具备跨团队协作能力，能够清晰界定问题、设计验证方案，并用正确性、性能和稳定性数据评价结果。