百度
2027AIDU-AI异构计算研发工程师(J99964)
2027AIDU-AI异构计算研发工程师(J99964)
发布于 1 天前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
学历未注明
分布式计算
GPU
FPGA
ASIC
深度学习框架
编译器
ARM
CUDA
LLVM
MPI
AI 估算 · 30k–50k
百度大厂高级技术岗，AI异构计算方向稀缺，对标P7-P8级别，薪资竞争力强。
职位详情
关于这个职位
加入百度大模型基建部，负责构建全球领先的AI异构计算加速引擎
你将参与深度学习推理引擎、通信库、编译系统的开发与优化，面向CPU/GPU/FPGA/ASIC等多架构，解决大规模AI计算的性能挑战
适合对底层计算加速有热情的技术专家
最低要求
任职要求: 精通以下一项或多项专业技能，或在相关领域具备丰富经验 专业技能： 1. 热爱编程，精通C++/Python
具有独立开发能力，对AI算法和主流框架有丰富的应用或开发经验
精通GPU/ARM/MIPS/DSP等任意异构计算平台
精通计算机体系结构，有汇编级别开发经验
精通GPU/ARM/MIPS/DSP等异构计算平台的通信库
精通MPI，对不同网络拓扑结构的通信算法及底层通信函数有深入研究，对RDMA，GPU direct等技术有了解
对分布式计算有深入理解，特别是同步，异步等通信策略在AI计算中的应用
软素质： 1. 目标驱动，并有探索精神
团队协作及沟通能力
具备分析和解决问题的能力
有极强的学习能力和知识迁移能力
工作职责
负责大规模AI前向计算引擎（Inference Engine）框架和底层算子开发与优化
负责大规模AI计算通信库及通信算法开发与优化
负责面向CPU/GPU/FPGA/ASIC等多元化计算架构的编译系统开发、编译优化和算法加速
负责异构高性能计算平台的设计、研发，高性能计算库、通信库开发与优化
优先资格
具有以下条件者优先： 1. 精通PaddlePaddle、Caffe/Caffe2、MXNET、TensorFlow等开源框架，做过源码级优化移植等工作
熟练使用Cublas、Cudnn、MIopen、OpenBlas、MKL、Eigen等主流计算库
熟悉AI training通信过程，熟悉MPI，NCCL，RDMA，GPU Direct等通信技术
精通CUDA/OpenCL开发，有SASS或PTX级别优化开发经验
精通Neon或ARM-GPU开发，有过大小端并行计算优化经验及ARM-GPU协同开发经验
精通常用硬件平台性能分析工具链，如CodeXL\NVVP\GPA等
精通LLVM
有Linux内核相关开发和优化经验
AI 洞察
优缺点分析
优点
- 百度大模型核心部门，接触前沿AI基础设施技术栈
- 深度参与软硬件协同优化，技术壁垒高，积累经验稀缺
- 团队技术氛围浓厚，与顶级工程师共事，成长快速
- 技术难度大，需同时掌握算法、体系结构、通信等多个领域
- 对底层系统优化要求极高，调试和问题定位耗时
缺点 / 挑战
- 工作强度较高，项目周期紧，需快速迭代
- 适合对底层计算加速有浓厚兴趣、热爱挑战系统性能极限的资深工程师
角色解读
- 技术深耕：成为AI计算加速领域专家，主导核心组件研发
- 拓展方向：从单卡优化到集群调度，从模型算法到硬件协同设计
- 领导路径：逐步带领团队，成为技术负责人或架构师
- 负责大规模AI推理引擎的框架设计与算子优化，提升模型推理速度
- 开发高性能通信库和通信算法，加速分布式训练与推理
- 针对GPU/FPGA/ASIC等异构平台，开发编译工具链和优化技术
- 精通C++/Python，具备系统级编程能力
- 深入理解GPU或ARM等异构计算体系，有汇编级优化经验
- 熟悉MPI、RDMA等通信库，掌握分布式计算原理
申请策略
- 在简历中强调与AI框架（如PaddlePaddle）的源码级优化经历
- 提前了解百度在AI基础设施方面的公开技术文章，面试时展现技术兴趣
- 突出性能优化项目经验，如算子优化、通信库调优等具体成果
- 展示对GPU/ARM等架构的深入理解，包括汇编级优化经历
- 体现分布式训练或推理系统的实践经验，说明性能提升指标
- 熟悉CUDA编程模型及PTX/SASS指令集，强化底层优化能力
- 学习LLVM或TVM等编译器框架，了解编译优化原理
- 补充MPI和NCCL等通信库知识，理解大规模并行通信
面试指南
- 问题-行动-结果：明确性能瓶颈，说明优化策略（如算子融合、内存访问优化），量化提升指标
- 从原理到实现：先阐述底层原理，再结合具体平台（GPU/ARM）给出优化细节
- 系统思维：考虑计算、通信、IO等全链路，展示全局优化视角
- 请描述一次你优化AI模型推理性能的经历，用了哪些方法？
- 解释GPU上矩阵乘法的实现方式，如何利用共享内存优化？
- MPI中的Allreduce有几种实现？NCCL的Ring Allreduce原理是什么？
- 如何看待编译器在AI加速中的作用？LLVM如何优化计算图？
- 请设计一个跨节点通信方案，需要处理哪些瓶颈？
匹配度报告
76
综合匹配度
百度AI核心部门，异构计算前沿技术，薪资竞争力强，但WLB一般。
适合人群
适合追求技术深度和前沿挑战、对底层加速充满热情、愿意投入高强度工作获取快速成长的工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展95
工作生活50
使命价值85
薪资福利匹配
75中等
百度作为上市巨头，薪资福利在行业中上水平，但JD未披露具体薪资和福利细节，需面议确认。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
95较高
该职位处于AI基础设施前沿，技术栈新且深度大，提供极佳的技术成长机会，但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈AI异构计算、GPU、FPGA、ASIC、LLVM、MPI、RDMA、CUDA
业务类型profit_center
工作生活匹配
50较低
未提及远程或弹性办公，地点在北京上海核心区，但大厂研发通常有较高工作强度。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
85较高
AI基础设施对行业有巨大推动作用，百度在大模型领域持续投入，但成就感更多来源于技术本身而非直接社会价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
百度 的其他在招职位
相似职位推荐
Watch Jobs