黑芝麻
AI测试工程师(J10832)
AI测试工程师(J10832)
发布于 12 小时前普通员工/个人贡献者
全职员工仅现场办公测试开发
测试开发
Ai编译器
CI/CD
Npu/Tpu
Pytest
深度学习
自动化测试
值不值得投
74综合评分
综合评分 74
技术成长性强的AI底层测试岗，薪资市场水准，现场办公，适合技术导向型求职者。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2万
比测试开发中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
24 个在招 · 其中测试开发 2 个
市场机会
选择面较广
上海 · 测试开发 · 约 190 个在招
职位详情
关于这个职位
这是黑芝麻公司AI软件工具链团队的测试工程师岗位，主要负责对NPU编译器、算子库和量化工具链进行质量保障
你需要通过编写测试用例、执行自动化脚本和分析测试结果，确保AI软件在释放TPU硬件性能的同时，保持高精度和稳定性
这是一个专注于技术细节的初级岗位，旨在为AI系统的底层质量和性能保驾护航
最低要求
计算机科学、电子工程、数学或相关专业本科及以上学历
-5年软件测试开发或质量保障相关经验
有编译器、高性能计算或AI框架测试经验者优先
熟练掌握Python，有使用PyTest、NumPy等库进行自动化测试的经验
了解C++，能够阅读和简单修改测试代码
对AI基础知识有了解，熟悉常见的深度学习模型（如CNN/Transformer）和框架（如PyTorch）
具备良好的逻辑思维和对细节的关注，能够精确复现和描述技术问题
具备良好的学习能力、团队协作精神和积极主动的工作态度
工作职责
编译器与算子基础验证：执行并维护针对TPU算子库的测试用例，验证算子在不同数据类型下的数学正确性
协助进行编译器的回归测试，包括前端模型解析、后端代码生成及图优化（如算子融合）的基础功能验证
参与构造边缘测试用例，对算子的输入形状、步长等进行压力测试
量化工具链辅助测试：运行自动化脚本，执行量化感知训练与训练后量化的基础工作流测试
协助收集和整理模型在浮点与定点转换过程中的精度数据，参与基础精度分析
测试自动化与基础设施支持：开发和维护Python自动化测试脚本，并集成到持续集成流水线中
协助监控和管理在TPU/NPU硬件集群上执行的自动化测试任务
记录测试结果，协助创建和维护测试文档与报告
优先资格
了解AI编译器基础概念
对量化技术有基本认识
有在CI/CD环境中工作的经验
对计算机体系结构或硬件加速有基础兴趣
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触AI芯片（TPU/NPU）底层软件栈，包括编译器、算子和量化，能积累稀缺的底层系统验证经验
- 成长性强：岗位描述明确提到了清晰的职业发展路径，并有机会与行业专家共事，学习机会多
- 平台优质：作为已上市的大型企业，能提供相对稳定的工作环境和完善的流程规范
- 技术深度高：需要理解编译器、量化算法和硬件架构等复杂底层知识，对学习能力和逻辑思维要求很高
- 硬件依赖性：测试工作依赖特定的TPU/NPU硬件集群，可能受硬件环境限制
- 适合对计算机底层系统（编译器、体系结构）、AI基础技术（量化、优化）有浓厚兴趣，并愿意深入钻研技术细节的初级到中级工程师
- 要求具备扎实的编程基础和严谨的工程素养
缺点 / 挑战
- 工作可能枯燥：基础测试和回归测试工作可能重复性强，需要极大的耐心和对细节的关注
角色解读
- 技术深耕：可向资深测试开发工程师（SDET）发展，更深入地参与测试架构设计与工具链开发
- 领域拓展：可横向拓展至AI算法验证、性能优化或编译器前端/后端开发等岗位
- 管理方向：在积累足够技术和项目经验后，可转向测试团队管理或质量管理岗位
- 负责AI编译器、算子库和量化工具链的质量保障，通过执行测试用例和自动化脚本确保软件正确性与性能
- 参与设计和构造针对复杂硬件加速芯片（TPU/NPU）的边缘测试用例，验证其在极限条件下的稳定性
- 维护测试自动化基础设施，将测试脚本集成到CI/CD流水线，并管理硬件集群上的测试任务
- 扎实的Python编程能力和自动化测试框架（如PyTest）实践经验，能独立开发和维护测试脚本
- 对AI软件栈有基本了解，熟悉深度学习模型、框架以及AI编译器、量化技术的基础概念
- 具备良好的逻辑思维、细节洞察力和问题复现描述能力，有C++阅读或修改经验是加分项
申请策略
- 在求职信或面试中，可以表达对‘让AI模型在硬件上跑得又快又准’这一挑战的兴趣，展现技术热情
- 研究黑芝麻智能的主营业务（自动驾驶芯片）和其公开的芯片架构、软件栈信息，以便在面试中进行针对性交流
- 准备一些关于‘如何测试一个数学函数在不同数据类型下的正确性’或‘如何设计测试用例验证一个简单的编译优化’的思考框架
- 突出Python自动化测试项目经验，特别是使用PyTest、NumPy等库的实践案例
- 强调与AI框架（PyTorch）、模型测试或任何涉及底层计算（如矩阵运算、性能分析）相关的经历
- 如有C++基础或阅读编译相关代码的经验，请明确说明
- 对于编译器、量化或高性能计算的基础知识，即使是课程设计或自学项目，也建议在简历中体现
- 快速补充AI编译器（如MLIR、TVM）、模型量化（PTQ/QAT）的基本概念和工作原理
面试指南
- 对于设计类问题，可采用‘输入-处理-输出’框架：明确测试目标（要验证什么特性）、设计正常与异常输入、定义预期正确输出、考虑边界条件
- 对于技术流程问题，遵循‘概念-步骤-实践-难点’的框架：先简明解释概念，再分步骤描述流程，结合个人项目经验举例，最后谈谈实践中的常见难点及解决方法
- 对于定位类问题，采用‘信息收集-假设-验证-沟通’框架：先尽可能收集日志、环境信息，形成初步假设，通过控制变量法逐步验证，最后整理清晰的复现步骤和证据进行沟通
- 请描述一下你如何为AI编译器中的一个‘算子融合’优化功能设计测试用例？
- Python自动化测试脚本如何与CI/CD流水线集成？你遇到过哪些挑战？
- 请解释一下‘训练后量化（PTQ）’的基本流程，以及在这个过程中可能引入哪些精度损失，你计划如何测试？
- 你如何判断一个测试失败是软件Bug、测试用例设计问题还是硬件问题？
- 如果发现一个难以复现的、与硬件相关的测试失败，你会采取哪些步骤来定位和报告问题？
职位点评
薪资福利78
成长发展85
工作生活55
使命价值72
薪资福利
78中等
职位提供了明确的薪资范围（基于市场推算）和职业发展路径，作为已上市企业，能提供相对稳定的雇佣关系和法定福利。但对于追求顶尖薪酬的求职者，可能不具备显著优势。
薪资信号市场水准 (1.5千–2.5万/月)
福利待遇清晰的职业发展路径
成长发展
85较高
该职位提供深入AI软件栈核心层的技术挑战，能接触编译器、量化等底层技术，且有行业专家指导，对技术成长和专业深度提升有较强支持。
技术前沿前沿/新兴技术
技术栈AI编译器、NPU/TPU、量化工具链、自动化测试
成长机会清晰的职业发展路径、与行业顶尖的编译器、量化专家并肩工作的环境
业务类型profit_center
工作生活
55较低
职位明确要求现场办公（根据地点推断），未提及远程或弹性工作安排。作为硬件相关的测试岗位，工作可能需要在特定硬件环境下进行，灵活性有限。JD未提及任何WLB相关保障。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
72中等
岗位服务于自动驾驶芯片公司的核心AI软件工具链开发，处于智能汽车行业技术链的关键环节，具有明确的行业应用价值和技术影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
黑芝麻 的其他在招职位
相似职位推荐
Watch Jobs