超威半导体
Sr. Software Development Engineer
Sr. Software Development Engineer
发布于 3 小时前普通员工/个人贡献者
全职员工混合式弹性办公机器学习工程
机器学习工程
Cuda
Gpu Kernel
Hip
Llm
Pytorch
Sglang
Tensorflow
值不值得投
86综合评分
综合评分 86
跨国巨头核心AI算力岗，技术栈前沿且成长空间巨大，支持混合办公，薪资竞争力强。
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
3.5万
与机器学习工程中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 100 个在招 · 其中机器学习工程 6 个
市场机会
选择不多
台北 · 机器学习工程 · 6 个在招
职位详情
关于这个职位
该职位负责在AMD GPU上优化和开发深度学习框架，提升GPU内核性能，加速大规模深度学习模型的训练和推理
你将与内部GPU软件团队及开源社区合作，整合前沿编译器技术，推动AMD AI软件生态的上游贡献
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
在Linux环境下具备C++开发的强大技术和分析专长
能够在协作团队环境和独立工作中茁壮成长，具备定义目标、管理开发工作和交付高质量解决方案的能力
具备强大的解决问题能力、积极主动的态度，以及对软件工程最佳实践的深刻理解
具备强大的C++和/或Python编程经验，能够调试、分析和优化性能关键代码
具备在大规模异构集群（CPU + GPU）上运行和扩展工作负载的丰富经验，使用分布式训练或推理策略
具备将优化集成到PyTorch或TensorFlow等深度学习框架的丰富经验和贡献
扎实掌握HIP、CUDA或其他GPU编程模型
工作职责
优化深度学习框架：通过在开源仓库中的上游贡献，提升TensorFlow、PyTorch和SGLang等框架在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，将内核级优化与全栈性能目标对齐
贡献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，包括推理并行和集合通信策略
图编译器集成：通过XLA、TorchDynamo或自定义管道等图编译器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进行上游贡献
应用工程最佳实践：在调试、分析、测试驱动开发和CI集成中利用现代软件工程实践
优先资格
具备SGLang或类似LLM推理框架的扎实动手经验
具备编译器设计背景或熟悉LLVM、MLIR或ROCm等技术
具备GCN/CDNA架构经验
AI 洞察
优缺点分析
优点
- 处于AI算力基础设施的核心领域，能接触到最前沿的GPU架构和LLM推理优化技术
- 作为跨国巨头，平台广阔，开源社区影响力大，技术积累极具含金量
- 技术栈深且广，涉及底层硬件架构、编译器及分布式系统，学习曲线陡峭
- 需要频繁与开源社区及跨部门团队沟通协作，对技术深度和沟通能力要求双高
- 适合对底层系统、GPU架构和AI基础设施有浓厚兴趣，具备扎实C++功底和性能调优经验的资深技术人才
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、GPU软件技术专家或AI基础设施团队负责人方向发展，深入参与全球顶尖AI硬件生态的建设
- 负责在AMD GPU上优化和开发深度学习框架（如PyTorch、TensorFlow、SGLang），提升AI模型的训练和推理性能
- 设计并实现高性能GPU内核，与编译器及GPU库团队合作，推动开源社区的上游贡献
- 精通C++/Python及Linux环境下的性能调优，熟悉GPU编程模型（HIP/CUDA）及深度学习框架底层机制
- 具备分布式系统优化经验，了解编译器技术（LLVM/MLIR）者优先
申请策略
- 准备能体现你解决复杂性能瓶颈问题的案例，展示你如何通过底层优化带来显著的性能提升
- 突出在C++/Python性能调优、GPU内核开发（HIP/CUDA）及深度学习框架底层优化的具体项目经验
- 强调在开源社区（如PyTorch、SGLang）的贡献记录或PR合并情况
- 深入学习ROCm生态、Triton编程及LLM推理框架（如SGLang、vLLM）的底层实现
- 了解图编译器（XLA、TorchDynamo）的工作原理
面试指南
- 采用STAR法则，重点突出“发现瓶颈-分析工具（Profiler）-优化方案（算法/内存/并行）-量化结果”的闭环
- 对于底层技术，展示对硬件架构（如Cache、Memory Bandwidth）的理解
- 请描述一次你优化GPU内核或深度学习框架性能的经历，具体提升了多少？
- 在分布式多GPU/多节点推理中，你如何处理集合通信和并行策略的瓶颈？
- C++中如何进行内存管理和性能分析（Profiling）？
- 你对SGLang或类似LLM推理框架的底层调度机制有什么了解？
- 复习GPU架构基础（如GCN/CDNA）、HIP/CUDA编程模型及分布式训练/推理的通信原语
- 准备1-2个深度性能优化的开源贡献或项目案例
职位点评
薪资福利85
成长发展95
工作生活75
使命价值85
薪资福利
85较高
跨国巨头的高级AI技术岗，薪资在台北市场具有较强竞争力，福利体系完善。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
95较高
处于AI算力与LLM基础设施的最前沿，能深度参与全球开源生态，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈C++、Python、PyTorch、TensorFlow、SGLang、HIP、CUDA、ROCm、LLVM、MLIR、Triton、XLA、TorchDynamo
业务类型ambiguous
工作生活
75中等
JD明确标注了混合式弹性办公，WLB有一定保障。
工作模式混合式弹性办公
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
85较高
推动AI技术突破，赋能医疗、科学发现等全球性挑战，具有强烈的科技使命感。
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advance the world's most important challenges、advancing healthcare and scientific discovery、technology that moves the world forward
创新程度开拓性创新（行业首创）
超威半导体 的其他在招职位
相似职位推荐
Watch Jobs