高通
AI Compiler & Kernel Engineer
AI Compiler & Kernel Engineer
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Ai Compiler
Llm
Mlir
Moe
Tvm
值不值得投
82综合评分
综合评分 82
头部芯片巨头核心研发岗，聚焦大模型底层编译与内核优化，技术壁垒极高、成长空间大，薪资处于市场高位。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6万
比算法优化工程师中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 310 个在招 · 其中算法优化工程师 2 个
市场机会
选择面较广
上海 · 算法优化工程师 · 约 200 个在招
职位详情
关于这个职位
该职位主要负责高通云AI平台的高性能AI算子与内核的开发和优化，聚焦于大模型（LLM、MoE等）的大规模云推理场景
你需要跨越模型、编译器、运行时和硬件层，通过底层编译器和内核优化技术，最大化推理性能并降低内存占用
最低要求
计算机科学、人工智能、数学、电气工程或相关专业硕士及以上学历
年以上云AI推理、内核/算子开发或AI编译器技术相关经验
具备良好的英语口头和书面沟通能力，能够与全球团队进行有效协作
精通 C++、Python 及 Linux 开发环境
深入理解 Transformer 架构，如 LLM、MoE 及现代基础模型
在编译器技术（如 MLIR、Triton、TVM 或类似框架）方面有丰富经验，包括图转换、算子降级、调度、算子融合、内核自动调优、代码生成和内存调度
在并行计算架构和性能优化技术方面有丰富经验，包括向量化、分块、内存层次优化和工作负载调度
在图优化、模型精度验证、性能优化和内存优化方面有丰富经验
工程学、信息系统、计算机科学或相关专业学士学位及2年以上软件工程或相关经验
或硕士学位及1年以上经验
或博士学位
年以上C、C++、Java、Python等编程语言的学术或工作经验
工作职责
为高通云AI平台开发和优化AI内核与算子
启用并优化LLM、MoE和多模态模型，以支持大规模云推理
推动整个软件栈的准确性、性能和效率优化
通过内核、图和编译器优化，改善模型内存占用及ROM/RAM效率
与性能和建模团队合作，交付业界一流的推理效率
使用性能分析、基准测试和建模方法，分析并解决性能瓶颈
优先资格
具有优化 Transformer 相关算子（如 Attention、FlashAttention、KV Cache、Embedding、GEMM、Softmax 和 MoE routing）的经验者优先
具有在 AI 加速器平台（如 GPU、NPU、TPU 或定制 AI 硬件）上，手动或通过 MLIR/Triton 等编译器框架开发自定义算子和高性能内核的实践经验者优先
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型底层优化技术，技术壁垒极高，个人核心竞争力强
- 依托头部芯片公司的云AI平台，能接触到真实的超大规模推理场景和顶尖硬件资源
- 技术难度极大，需要同时具备算法、编译器和硬件架构的跨领域知识
- 大模型技术迭代极快，需要持续跟进最新的模型架构（如MoE、多模态）并进行底层适配
- 适合对底层系统、编译器和硬件架构有浓厚兴趣，且具备扎实C++功底和性能调优经验的资深技术极客
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深AI系统架构师、AI编译器技术专家方向发展
- 也可转型为AI基础设施技术负责人，主导下一代AI芯片软件栈的演进
- 负责高通云AI平台底层AI算子与内核的开发和性能优化
- 针对LLM、MoE等大模型场景，跨越编译器、运行时和硬件层进行全栈性能调优
- 解决内存占用和计算瓶颈，提升大规模云推理效率
- 精通C++/Python及Linux开发，深入理解Transformer等现代大模型架构
- 熟练掌握MLIR/Triton/TVM等编译器框架及图优化、算子融合技术
- 具备深厚的并行计算架构理解及底层性能调优（向量化、内存层次优化）能力
申请策略
- 准备详细的性能优化案例，能够清晰阐述从发现瓶颈到通过底层代码/编译器优化解决问题的完整思路
- 展现良好的英语沟通能力，以适应全球团队协作
- 突出在MLIR/Triton/TVM等编译器框架上的实际项目经验及优化成果
- 详细列出针对Transformer算子（如FlashAttention、KV Cache）的优化案例及性能提升数据
- 强调跨模型、编译器、硬件层的全栈优化能力
- 深入学习最新的AI编译器技术（如MLIR生态）及大模型推理加速框架（如vLLM、TensorRT-LLM）
- 补充对最新硬件架构（如NPU、定制AI加速器）底层原理的理解
面试指南
- 采用STAR法则，重点突出“瓶颈分析-方案设计（编译器/内核层面）-实现细节-量化收益”的完整闭环
- 对于架构问题，从算法原理到硬件映射（如内存层次、计算单元）进行自顶向下的拆解
- 请详细描述一个你使用MLIR或Triton进行算子优化并显著提升性能的项目案例
- 在优化LLM推理时，你是如何处理KV Cache的内存占用和计算瓶颈的？
- 请解释Transformer中Attention机制的底层计算过程，以及如何通过向量化和分块技术进行优化
- 当遇到性能瓶颈时，你通常使用哪些profiling工具和方法论来定位问题？
- 复习并行计算、计算机体系结构及编译器原理的核心知识
- 准备1-2个极具深度的底层优化项目，能够经受住面试官对细节的连环追问
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
岗位属于高壁垒核心技术岗，且位于一线城市，薪资水平预计处于市场高位，但JD未明确披露具体薪资和福利细节。
薪资信号未披露（AI估算：4千–8万/月）
成长发展
95较高
处于AI大模型底层核心技术领域，能接触到最前沿的编译器技术和超大规模推理场景，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈C++、Python、MLIR、Triton、TVM、Transformer、LLM、MoE、FlashAttention
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式和加班情况，但作为核心研发岗，通常具备相对规范的作息，但底层性能优化岗可能面临一定的交付压力。
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
80较高
致力于推动云AI平台的大规模推理效率，对AI基础设施的发展有重要贡献，行业前景广阔。
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
高通 的其他在招职位
相似职位推荐
Watch Jobs