超威半导体
AI Software Development Engineer
AI Software Development Engineer
发布于 大约 14 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Cuda
Gpu
Hip
Llvm
Pytorch
Rocm
Sglang
Tensorflow
AI 估算 · 30k–60k
该职位要求资深GPU编程和深度学习框架优化技能，属于高需求领域，上海AI工程师薪资水平较高。外资企业通常提供具有竞争力的薪酬和年终奖金。
职位详情
关于这个职位
该职位主要负责优化深度学习框架在AMD GPU上的性能，开发高性能GPU内核，并与编译器团队协作推动AI计算加速
你将参与开源社区贡献，接触最前沿的AI基础设施技术，适合对底层性能优化充满热情的工程师
最低要求
计算机科学、计算机工程、电气工程或相关领域的学士和/或硕士学位
具备扎实的技术和分析能力，熟练掌握Linux环境下的C++开发
能够在团队协作和独立工作中表现出色，具备目标定义、开发管理和交付高质量解决方案的能力
强大的问题解决能力、主动性和对软件工程最佳实践的深刻理解
工作职责
优化深度学习框架：通过开源存储库中的上游贡献，提升TensorFlow、PyTorch和SGLang在AMD GPU上的性能
开发和优化深度学习模型：对大规模训练和推理模型进行分析和调优，以在AMD硬件上实现最佳性能
GPU内核开发：使用HIP、Triton或其他相关工具设计、实现和优化高性能GPU内核，以提高AI算子效率
与GPU库和编译器团队合作：与内部编译器和GPU数学库团队紧密合作，集成和调整内核级优化，以实现全栈性能目标
参与SGLang开发：支持SGLang LLM框架在AMD GPU平台上的优化、功能开发和扩展
分布式系统优化：在多GPU（scale-up）和多节点（scale-out）环境中调优和扩展性能，包括推理并行性和集合通信策略
图编译器集成：通过XLA、TorchDynamo或自定义管道集成和优化运行时执行
开源协作：与外部维护者合作，了解框架需求，提出优化建议，并有效实现上游贡献
应用工程最佳实践：在调试、性能分析、测试驱动开发和CI集成中运用现代软件工程实践
优先资格
扎实的编程技能：在C++和/或Python方面有丰富经验，具备调试、性能分析和优化关键性能代码的能力
SGLang与LLM优化：具有SGLang或类似LLM推理框架的扎实实践经验者优先
编译器和GPU架构知识：具有编译器设计背景或熟悉LLVM、MLIR或ROCm等技术者优先
异构系统工作负载：具有在大型异构集群（CPU+GPU）上使用分布式训练或推理策略运行和扩展工作负载的经验
AI框架集成：具有为PyTorch或TensorFlow等深度学习框架贡献或集成优化的经验
GPU计算：扎实了解HIP、CUDA或其他GPU编程模型
具有GCN/CDNA架构经验者优先
AI 洞察
优缺点分析
优点
- AMD作为国际半导体巨头，平台广阔，资源丰富
- 工作内容涉及开源社区贡献，提升个人技术影响力
- 技术门槛高，需要深厚的底层系统知识
- 跨团队和开源协作要求高，沟通成本较大
- 适合对GPU编程和深度学习系统充满热情、喜欢攻克技术难题的工程师
缺点 / 挑战
- 处于AI和GPU计算的最前沿，技术挑战性强，成长空间大
- 研发强度可能较高，需适应快节奏
角色解读
- 成为GPU计算和AI基础设施领域的专家，深入底层技术
- 向技术专家或架构师方向发展，主导大型项目
- 参与AMD下一代AI芯片的软件栈设计，影响行业标准
- 优化TensorFlow、PyTorch等深度学习框架在AMD GPU上的运行性能，通过代码贡献提升效率
- 开发高性能GPU内核，使用HIP、Triton等工具实现AI算子的加速
- 与编译器团队合作，集成XLA等图编译器，优化端到端执行效率
- 参与开源社区，推动AMD GPU软件生态的完善
- 精通C++，熟悉Linux环境下的开发和调试
- 掌握GPU编程模型（CUDA/HIP），了解GPU架构
- 了解深度学习框架内部机制，具备性能分析和调优能力
- 熟悉分布式训练推理和性能优化者优先
申请策略
- 了解AMD在AI领域的战略布局，展示对AI基础设施的热情
- 在简历中体现开源贡献或对社区的参与，提升匹配度
- 突出GPU编程经历，展示CUDA/HIP项目的性能优化成果
- 强调对深度学习框架的深度理解，最好有贡献案例
- 如有SGLang、LLM推理优化经验，务必突出
- 展示C++性能调优的具体数据和项目影响
- 学习HIP和ROCm平台，熟悉AMD GPU生态
- 深入理解LLM推理框架如SGLang的架构
面试指南
- 采用'背景-方法-结果'的结构，量化和展示优化效果
- 先分析问题根源，再给出针对性优化方案，最后验证并总结
- 如何优化一个PyTorch算子使其在GPU上运行更快？
- 解释HIP和CUDA的异同，以及如何迁移代码？
- 如何排查GPU内核中的性能瓶颈？
- 描述一次你成功优化深度学习模型性能的经历
- 对SGLang这个LLM推理框架有什么了解？
- 复习GPU并行编程模型和架构知识
职位点评
66
综合评分
前沿AI芯片公司、深度技术岗位、职业成长空间大，薪资面议，生活方式一般。
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。
更适合这类人
该职位最适合追求技术深度和职业成长、对AI基础设施有热情的求职者，他们愿意接受现场办公和高强度挑战。
表现最好
成长发展
相对薄弱
工作生活
薪资福利55
成长发展85
工作生活50
使命价值80
薪资福利
55较低
薪资未在JD中披露，但作为国际大公司，可预期薪酬具有竞争力。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
85较高
职位处于AI技术前沿，涉及深度学习框架、GPU底层优化和开源社区，技能成长空间巨大。
技术前沿前沿/新兴技术
技术栈C++、HIP、CUDA、PyTorch、TensorFlow、SGLang、XLA、LLVM、MLIR、ROCm
成长机会advance your career
业务类型ambiguous
工作生活
50较低
工作地点在上海，需现场办公，未提及弹性工作或远程，生活方式常规。
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
80较高
AMD致力于加速AI计算体验，岗位对行业有重要影响，使命驱动感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号build great products that accelerate next-generation computing experiences、solve the world's most important challenges
创新程度积极采用新技术
超威半导体 的其他在招职位
相似职位推荐
Watch Jobs