超威半导体
AI Product Performance Engineer
AI Product Performance Engineer
发布于 大约 17 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
GPU
深度学习
性能优化
CUDA
ROCm
分布式训练
大模型
AI 估算 · 35k–65k
AI性能工程师稀缺，GPU优化难度高，上海大厂薪资竞争力强，预计月薪3.5-6.5万，16薪
职位详情
关于这个职位
该职位专注于在AMD GPU平台上优化大规模AI训练/强化学习/推理工作负载的性能和效率，需要深入理解GPU架构和分布式系统，通过跨软件-硬件堆栈的创新来提升系统吞吐量和利用率
适合对AI基础设施性能调优有热情的高级工程师
最低要求
计算机科学、计算机工程或相关领域的硕士或博士学位，或同等经验
工作职责
领导在AMD GPU平台上对大规模AI训练/强化学习/推理工作负载进行单节点和多节点环境的性能优化
识别并消除计算、内存和通信方面的系统瓶颈（如内核效率、内存带宽、网络利用率）
推动跨越内核、编译器、运行时、通信库和机器学习框架的跨栈优化
开发并应用先进的剖析、基准测试和性能建模方法
与硬件、编译器和框架团队合作，影响下一代GPU架构和软件栈设计
贡献并领导开源工作，以改善AMD平台上的生态系统性能
保持在大规模系统和性能优化技术方面的前沿地位
优先资格
深入了解GPU架构和性能特征（计算单元、内存层次结构、PCIe/Infinity Fabric/RDMA等互连）
丰富的性能剖析工具使用经验（如ROCm工具、Nsight-like系统、自定义剖析器）和瓶颈分析能力
在数千个GPU上优化大规模分布式训练工作负载的 proven experience
熟悉Megatron-LM、Torchtitan、vLLM、Sglang等框架或同等技术
深入理解通信库和模式（如NCCL/RCCL、集合通信、计算与通信重叠）
精通Python和至少一种系统语言（C++/CUDA/HIP），包括调试和底层优化
具有编译器栈、内核优化或图级优化经验者优先
具有技术领导力和跨职能团队影响力
AI 洞察
优缺点分析
- 站在AI基础设施性能优化的前沿，接触最先进的GPU技术和大规模分布式系统
- AMD作为GPU领域的重要玩家，平台资源丰富，有大量实际问题可实践
- 职位技术深度高，积累的经验在AI和芯片行业极具竞争力，薪资和成长空间大
- 工作强度较大，需要同时关注软件和硬件多个层面，技术栈深广
- 需要很强的独立分析和解决问题能力，团队协作中可能面临跨部门沟通挑战
- 适合对GPU底层架构和性能调优有浓厚兴趣，喜欢解决复杂系统问题的资深工程师
角色解读
- 可向AI系统架构师方向发展，主导GPU性能优化策略和下一代架构设计
- 也可深入编译器或分布式框架领域，成为跨栈性能优化专家
- 在AMD这样的国际大厂，有机会参与开源社区和行业标准制定，提升影响力
- 负责在AMD GPU上优化大规模AI训练、强化学习和推理的性能，提升系统吞吐量和效率
- 进行跨栈性能分析，识别计算、内存、通信等瓶颈，并推动内核、编译器、通信库等多层优化
- 与硬件、编译器及框架团队协作，影响下一代GPU架构和软件栈的设计方向
- 精通GPU架构和性能特征，熟练使用ROCm等性能剖析工具进行瓶颈分析
- 扎实的分布式系统知识，有大规模（数千GPU）分布式训练优化经验
- 熟练掌握Python和C++/CUDA/HIP，具备底层优化和调试能力，了解编译器或图优化更佳
申请策略
- 申请时关注AMD的AI战略和产品路线图，表现出对公司技术方向的认同
- 准备好展示你在大规模分布式系统优化中的系统思维和成果
- 突出在GPU性能优化、分布式训练加速方面的具体项目成果，最好有量化数据（如吞吐量提升百分比）
- 强调对AMD GPU或类似平台（如NVIDIA CUDA）的深入理解，以及使用ROCm等工具的经验
- 展示参与开源项目或技术社区贡献的经历，体现影响力
- 深入学习AMD ROCm软件栈和Infinity Fabric互连技术
- 补充对Megatron-LM、vLLM等大模型训练推理框架的理解
- 练习系统级性能调优的方法论，如使用perf、nsys等工具
面试指南
- 采用STAR方法：先描述场景（Situation）、任务（Task）、行动（Action）、结果（Result），突出量化效果
- 系统性思考：从整体架构出发，先识别瓶颈，再逐层深入（硬件-内核-通信-框架），展示方法论
- 如何诊断大规模分布式训练中的通信瓶颈？请举例说明你解决过的问题
- 对于AMD GPU平台，你如何优化一个具体的AI模型（如LLM）的训练性能？
- 比较NVIDIA NCCL和AMD RCCL的异同，如何针对AMD平台进行通信优化？
- 在一个多节点环境中，如何平衡计算和通信开销以提高总体吞吐量？
- 复习GPU架构知识，特别是AMD CDNA架构和ROCm软件栈
- 准备2-3个深度性能优化案例，包括问题和解决方案，最好有数据支撑
匹配度报告
72
综合匹配度
技术前沿、薪资优厚的大厂AI性能工程师岗，但WLB不明确且可能压力较大。
适合人群
最适合重视技术成长和前沿领域探索的求职者，对工作生活平衡要求较高者需谨慎考虑。
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90
工作生活45
使命价值80
薪资福利匹配
75中等
薪资未在JD中明确，但AMD作为上市公司大厂，薪酬体系完善，预期薪资竞争力强，福利可能包括股票、医疗保险等。
薪资信号未披露 (35K-65K/月)
成长发展匹配
90较高
该职位聚焦AI性能和GPU架构前沿技术，有大量学习和成长机会，且鼓励开源贡献和技术影响力。
技术前沿前沿/新兴技术
技术栈GPU、AI、分布式训练、ROCm、CUDA、Megatron-LM、vLLM
成长机会advance your career
业务类型ambiguous
工作生活匹配
45较低
JD未提及远程或弹性工作，工作地点在上海，但未说明具体区位，且可能面临较大工作强度和加班。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
80较高
AI是高速增长赛道，AMD致力于推动计算创新，职位对社会有积极影响，但使命信号一般。
行业发展高速增长赛道
社会影响中性/一般
使命信号shape the future of AI
创新程度积极采用新技术
Watch Jobs