黑芝麻
算子开发与优化工程师(J11165)
算子开发与优化工程师(J11165)
发布于 7 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai编译器
Dsp
Risc-V
性能优化
机器学习
硬件加速
算子开发
值不值得投
76综合评分
综合评分 76
技术含量高的AI芯片底层软件岗，技术成长空间大，行业前景好，但WLB信息不明确。
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
35K
与人工智能中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
24 个在招 · 其中人工智能 3 个
市场机会
选择面较广
上海 · 人工智能 · 约 240 个在招
职位详情
关于这个职位
该职位主要负责为可编程AI加速单元（如DSP/RVV/GPU/NPU）设计、开发和优化底层算子库
你需要将算子与AI编译器及端侧平台进行适配和接入，针对具体硬件实现定制化算子，评估性能，并持续跟踪技术发展以丰富和提升算子库性能
最低要求
本科及以上学历，计算机、电子、自动化、软件工程、信息工程等相关专业
熟悉一种以上可编程AI加速单元的算子开发，包括并不限于DSP/RVV/GPU/NPU等
熟悉常见神经网络模型架构，包括并不限于CNN/Transfomer/LSTM等
具备良好的工程实现能力，熟悉Python与C/C++编程开发
了解AI编译原理、模型量化原理
主动学习、良好的沟通能力和团队合作精神
工作职责
负责可编程AI加速单元底层算子库的设计、开发和优化，并在AI编译器及端侧适配接入
针对硬件平台，负责神经网络模型中定制化算子需求的性能评估和实现，完成模型部署的原型验证
跟踪算子领域新技术，根据AI模型发展趋势和硬件特性持续丰富算子库、提升算子性能
优先资格
加分项：
（1）有Cadence DSP开发经验，了解相关硬件特性和指令
（2）熟悉RISC-V向量扩展指令集，有相关算子开发经验
（3）从事过AI软件相关开发，包括AI编译器、AI算子库、AI推理/训练框架开发等
（4）熟悉编译原理，包括并不限于程序分析、编译后端优化技术等
（5）熟悉经典计算机算法与设计模式，有过ACM或其它编程竞赛参赛经历
AI 洞察
优缺点分析
优点
- 深入芯片底层，能获得软硬件协同设计的稀缺经验，技术护城河深
- 处于AI落地硬件化的前沿领域，行业增长迅速，个人技术成长空间大
- 大型企业平台，项目资源和硬件条件相对有保障
- 技术难度高，需要同时理解复杂的硬件特性和AI算法，学习曲线陡峭
- 适合对计算机体系结构、芯片设计和AI算法有浓厚兴趣，喜欢钻研底层技术、解决高难度性能优化问题，并乐于进行持续技术学习的求职者
缺点 / 挑战
- 工作成果需要在特定硬件上验证，可能面临工具链不成熟或硬件问题带来的调试挑战
- 领域专业性强，技术栈相对垂直，对通用软件开发技能的覆盖面可能较窄
角色解读
- 技术专家路线：深耕特定硬件架构的算子与编译优化，成为芯片效能优化或AI编译器领域的技术权威
- 架构师路线：从算子开发扩展到AI编译器架构、计算图优化或异构计算系统设计
- 技术管理路线：带领小组负责芯片某模块的软件栈或工具链开发
- 为AI加速芯片（如DSP/NPU）开发和优化底层计算单元（算子），是连接硬件能力与AI模型的桥梁
- 将开发好的算子集成到AI编译器或推理框架中，并在具体的端侧芯片平台上进行适配和性能调优
- 分析AI模型中的算子需求，评估在特定硬件上的实现可行性与性能瓶颈，并进行原型验证
- 精通C/C++和Python编程，具备出色的工程实现与调试能力
- 深入了解至少一种AI硬件加速架构（如DSP、GPU、NPU）的编程模型、指令集和性能特性
- 熟悉常见的AI模型架构（CNN, Transformer等）及其计算图，理解模型算子的工作原理
- 了解AI编译器、模型量化等编译与部署优化技术，具备系统级优化思维
申请策略
- 研究黑芝麻智能的芯片产品线（如华山系列）和其软件生态，面试时能体现你对业务的理解
- 准备一个体现你解决复杂性能问题或底层软件调试能力的项目案例，讲述清楚思路和结果
- 重点突出与AI加速器（DSP/GPU/NPU）算子开发、性能优化或AI编译器相关的项目经验
- 详细描述使用C/C++进行高性能计算或底层系统软件开发的经历，展示工程能力
- 如有RISC-V、CUDA或其他特定硬件平台的开发经验，务必清晰列出
- 系统性学习AI编译器原理（如TVM、MLIR）和现代神经网络量化技术
- 深入研究目标硬件平台（如Cadence DSP）的官方文档和开发者社区，积累实战知识
面试指南
- 回答性能分析类问题时，采用“定位瓶颈（profiling）->分析原因（硬件特性/算法逻辑）->提出优化方案（循环优化/内存访问/指令级并行）->验证效果”的框架
- 回答架构设计类问题时，先说明核心目标（如性能、功耗、通用性），再分模块阐述设计思路和关键技术点
- 结合具体项目经验回答，突出“发现问题-分析问题-解决问题”的完整逻辑链和量化结果
- 请描述一个你开发或优化过的算子（如卷积、矩阵乘），你如何评估其在目标硬件上的性能瓶颈？采用了哪些优化策略？
- 你如何理解AI编译器的作用？请简述一个算子从模型定义到在硬件上执行的大致流程
- 请解释RISC-V向量扩展（RVV）指令集在加速AI算子方面的优势
- 如果模型中某个算子在硬件上没有直接支持的指令，你会如何设计和实现一个高效的替代方案？
- 你在C/C++项目中如何处理与硬件相关的性能问题（如缓存命中率、向量化）？
职位点评
薪资福利70
成长发展90
工作生活60
使命价值85
薪资福利
70中等
作为已上市企业的技术研发岗位，预计能提供具有市场竞争力的薪酬，但JD未明确福利细节，对稳定性的满足程度较高。
薪资信号市场水准 (2.5–4.5万/月)
成长发展
90较高
职位处于AI芯片软件栈的核心层，技术门槛高且前沿，能深入学习软硬件协同优化、AI编译器等前沿技术，成长性极强。
技术前沿前沿/新兴技术
技术栈AI算子开发、DSP、RISC-V、AI编译器、模型量化、C/C++
成长机会跟踪算子领域新技术、根据AI模型发展趋势...持续丰富算子库
业务类型profit_center
工作生活
60中等
JD未提及办公模式，作为硬件相关研发岗位，大概率需要现场办公。未提及工作生活平衡相关信息。
工作模式未明确
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
85较高
参与AI芯片基础软件开发，直接推动AI算力落地，对产业和技术发展有直接影响，行业处于高速增长赛道。
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