超威半导体
Program Manager
Program Manager
发布于 6 个月前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
项目与项目集管理
CI/CD
敏捷开发
机器学习
硬件/软件协同设计
项目管理
高性能计算
CUDA
GPU计算
ROCm
AI 估算 · 30k–50k
GPU软件项目经理，需协调软硬件协同开发，管理复杂度高，薪资体现综合管理价值。
职位详情
关于这个职位
这是一个专注于AMD下一代GPU的ROCm软件开发的项目经理职位
你将负责协调跨软件、硬件和验证团队，驱动GPU性能优化、预硅性能特性开发以及GPU内核开发，以确保为新产品交付高性能、可靠且可扩展的ROCm软件栈
你的工作将直接影响AMD在AI、高性能计算和机器学习领域的领导地位
最低要求
年以上软件开发领域的项目或项目管理经验，其中至少3年专注于系统软件、GPU计算或HPC/AI基础设施
具备管理涉及预硅验证或硬件/软件协同设计的复杂、多团队技术项目的经验
对机器学习框架、模型架构和性能优化技术有扎实的基础知识
深刻理解软件开发生命周期、敏捷方法论和现代CI/CD实践
出色的利益相关者管理、沟通和影响力技能，能够跨工程和高级管理层进行有效沟通
工作职责
与ROCm软件团队合作，利用软件/硬件仿真平台驱动预硅软件开发和性能验证活动，以降低后硅启动风险
协调针对新GPU机器学习特性的硬件-软件协同开发工作
建立并跟踪新GPU特性在质量、性能和上市时间方面的关键绩效指标
主动识别并缓解项目风险
优先资格
具有AMD ROCm、CUDA或其他GPU计算生态系统的经验
熟悉Linux内核/驱动程序开发、编译器工具链或并行编程模型
有配合主要GPU产品发布而交付生产软件的成功记录
AI 洞察
优缺点分析
优点
- 平台优势：AMD是全球领先的半导体公司，参与其核心GPU和AI软件栈开发，能接触前沿技术和行业标准，简历含金量高
- 技能积累：项目涉及从预硅到产品的完整周期，能深度积累硬件/软件协同开发、性能优化和复杂技术项目管理的稀缺经验
- 行业前景：直接处于AI、高性能计算和机器学习等高速增长领域的中心，职业发展顺应技术浪潮，未来机会多
- 技术复杂度高：需要同时理解GPU硬件架构、底层系统软件和上层AI框架，技术门槛高，学习曲线陡峭
- 适合具备扎实技术背景（特别是GPU/系统软件/HPC/AI领域）、拥有丰富复杂项目管理经验，并且热衷于在尖端技术领域推动产品从概念到落地的资深技术项目经理
缺点 / 挑战
- 协调压力大：作为跨软件、硬件、验证团队的核心协调者，沟通和推进工作可能面临挑战，需要极强的推动力和问题解决能力
- 项目节奏快：配合GPU产品发布周期，可能面临紧张的开发时间表和高压力的交付要求
角色解读
- 纵向发展：可以成长为更高级别的技术项目经理、项目集经理，或转向技术管理岗位，如工程总监，负责更广泛的产品线或技术战略
- 横向发展：凭借在GPU、AI/HPC领域的深度项目经验，可以转向产品管理、技术战略规划或生态合作等角色
- 行业前景：随着AI和HPC需求持续爆发，具备GPU软件项目管理经验的专业人士在半导体、云计算和大型科技公司中需求旺盛，职业道路宽广
- 作为项目经理，你将主导AMD下一代GPU的ROCm软件开发项目，确保软件栈与硬件同步交付
- 具体工作包括利用仿真平台进行预硅性能验证，协调软件、硬件和验证团队进行GPU内核和性能特性开发
- 你需要建立项目KPI，跟踪进度，并主动管理项目风险，确保软件质量、性能和上市时间目标达成
- 核心是项目管理能力，特别是在复杂技术项目（涉及预硅验证、硬件/软件协同设计）中的规划、执行和风险控制技能
- 必须具备扎实的GPU计算、系统软件或HPC/AI基础设施技术背景，理解机器学习框架和性能优化
- 需要熟练掌握软件开发生命周期、敏捷方法论和现代CI/CD流程，以高效管理开发过程
- 出色的跨团队沟通、协调和影响力技能至关重要，因为需要与多个技术团队和高层管理者协作
申请策略
- 深入了解AMD在AI、数据中心和GPU市场的战略布局，以及ROCm平台在其生态中的定位，在申请材料或面试中展现你的行业洞察
- 仔细阅读AMD的“Responsible AI Policy”和文化描述（如强调创新、协作、包容），在申请和面试中体现与公司价值观的契合
- 重点突出管理过与“预硅验证”、“硬件/软件协同设计”或“GPU/AI/HPC基础设施”相关的复杂技术项目的具体案例，量化成果（如提升性能X%、缩短上市时间Y天）
- 详细描述你在系统软件、GPU计算或AI/ML项目中的技术贡献和项目管理职责，体现技术深度与管理能力的结合
- 展示你运用敏捷、CI/CD等现代开发实践管理软件项目的经验，以及成功协调跨职能团队达成目标的实例
- 如果对AMD ROCm生态不熟悉，可以提前学习其架构、工具链和编程模型，并尝试在开源项目或模拟环境中进行实践
- 加强对机器学习框架和GPU性能分析工具的理解，可以通过在线课程或小型项目来巩固相关知识
面试指南
- 使用STAR法则：针对行为或案例问题，清晰描述情境、任务、行动和结果，重点突出你的具体行动、技术决策和量化成果
- 展现技术与管理结合：回答技术问题时，不仅要说明“是什么”，还要联系到项目管理层面，如“这个技术决策如何影响项目风险、资源分配或时间线”
- 体现系统思维和风险意识：在描述项目过程时，主动提及对依赖关系、潜在瓶颈的考虑，以及你建立的监控和应对机制
- 请描述一个你管理过的涉及硬件/软件协同设计或预硅验证的最复杂技术项目
- 你在其中扮演什么角色？遇到了哪些挑战，如何解决的？
- 你如何为一个新的GPU特性定义和跟踪KPI（质量、性能、上市时间）？请举例说明
- 当项目进度因技术难题或跨团队依赖而面临风险时，你通常采取哪些步骤来识别、评估和缓解风险？
- 谈谈你对ROCm、CUDA或其他GPU计算生态系统的理解
职位点评
Watch Jobs