超威半导体
AI Software Development Eng.
AI Software Development Eng.
发布于 4 小时前普通员工/个人贡献者
全职员工混合式弹性办公算法优化工程师
算法优化工程师
Cuda
Gpu Kernel
Hip
Llvm
Pytorch
Rocm
Tensorflow
分布式计算
深度学习框架优化
值不值得投
83综合评分
综合评分 83
顶尖芯片大厂核心AI算力岗，技术栈前沿、成长空间大，薪酬福利优厚，WLB待确认
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
4.0万
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
95 个在招
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
负责优化和开发适用于AMD GPU的深度学习框架（如PyTorch/TensorFlow），设计并优化GPU内核以提升AI训练与推理性能
需结合底层编译器技术与分布式计算环境，确保多卡/多节点系统的高效运行，并与开源社区及内部团队紧密协作
最低要求
计算机科学、计算机工程或电气工程等相关领域的学士或硕士学位
具备3年以上专业技术软件开发经验，专注于GPU优化、性能工程和框架开发
熟练掌握C++和Python，熟悉Linux环境下的开发与调试
具备扎实的软件工程最佳实践、问题解决能力及主动型工作态度
工作职责
优化深度学习框架：在开源仓库中增强和优化适用于AMD GPU的TensorFlow和PyTorch等框架
开发GPU内核：创建并优化GPU内核，以最大化特定AI操作的性能
开发与优化模型：专门针对AMD GPU性能设计和优化深度学习模型
与GPU库团队协作：与内部团队密切合作，分析和提升AMD GPU上的训练与推理性能
与开源维护者协作：参与框架维护工作，确保代码更改符合要求并成功合并至上流
在分布式计算环境中工作：优化多GPU（scale-up）和多节点（scale-out）系统上的深度学习性能
利用尖端编译器技术：运用先进的编译器技术提升深度学习性能
优化深度学习流水线：增强完整流水线，包括集成图编译器
遵循软件工程最佳实践：应用严谨的工程原则，确保解决方案的健壮性和可维护性
优先资格
GPU Kernel开发经验：使用HIP、CUDA和汇编语言为AMD GPU设计与优化深度学习内核
架构与工具掌握：深入理解AMD架构（GCN、RDNA）及低层编程，熟练使用Compute Kernel (CK)、CUTLASS和Triton等工具
深度学习集成：将优化后的GPU性能集成至机器学习框架（如TensorFlow、PyTorch）以加速模型训练与推理
高性能计算：在高规模异构计算集群上运行大型工作负载并进行效率与可扩展性优化
编译器优化：掌握编译器理论及LLVM和ROCm等工具用于内核与系统性能优化
AI 洞察
优缺点分析
优点
- 身处全球顶尖芯片巨头核心研发线，接触最前沿的AI算力栈与顶级开源生态
- 技术壁垒高，职业护城河深，履历含金量在国际科技圈认可度极高
- 需同时兼顾底层硬件特性与上层框架需求，技术深度要求极高，调试复杂度高
- 开源社区协作与内部跨团队对齐耗时较多，对沟通与项目管理能力有隐性要求
- 适合热爱底层系统编程、对AI算力优化有强烈兴趣且具备扎实计算机基础的技术人员
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深AI基础设施专家、高性能计算架构师或技术负责人方向发展
- 积累底层优化经验后，可横向拓展至云原生AI部署或垂直行业算力解决方案领域
- 聚焦于底层算力与AI框架的桥梁搭建，通过编写和调优GPU内核代码释放硬件潜能
- 在分布式计算环境中打通训练与推理链路，解决多卡/多节点协同的性能瓶颈
- 精通C++/Python与Linux系统编程，深入理解GPU架构、并行计算与内存层次结构
- 熟悉主流深度学习框架底层实现，掌握编译器优化理论与性能剖析工具链
申请策略
- 提前了解AMD GPU架构演进路线（CDNA/RDNA）及ROCm生态现状，准备关于跨平台兼容性优化的具体案例
- 突出GPU内核开发、性能调优实战项目，量化提升的训练/推理速度或吞吐量指标
- 强调在异构计算集群或大规模分布式环境中的工程落地经验与故障排查记录
- 深入研读ROCm/LLVM源码，熟悉主流大模型训练架构与分布式通信机制（如NCCL）
- 强化性能剖析工具（如Nsight Systems/Compute）的使用，建立科学的基准测试方法论
面试指南
- 采用STAR法则结构化回答，重点展示问题拆解思路、工具链使用（如Profiler/Nsight）、数据对比验证过程
- 针对架构对比类问题，从指令集、内存模型、编译链路、开发者生态四个维度进行客观对比分析
- 请描述一次你优化GPU内核性能的具体经历，遇到了什么瓶颈？如何定位并解决的？
- 如何在保持代码可维护性与跨平台兼容性的前提下，进行极致的性能压榨？
- 谈谈你对ROCm生态现状的理解，它与CUDA的主要差异在哪里？迁移成本如何评估？
- 复习计算机体系结构与并行计算理论，梳理个人项目中涉及内存访问优化、指令级并行的细节
- 准备1-2个完整的端到端优化案例，涵盖从Profiling定位热点、Kernel重写到Framework集成验证的全流程
职位点评
薪资福利85
成长发展92
工作生活65
使命价值88
薪资福利
85较高
作为已上市的跨国科技巨头，提供具有竞争力的薪酬体系与完善的福利保障，满足求职者对稳定高收入的期待。
薪资信号偏高 (3.0千–5.0万/月)
成长发展
92较高
岗位直接对接AI算力前沿与开源框架生态，技术栈极具前瞻性，能提供持续深耕底层优化的成长空间。
技术前沿前沿/新兴技术
技术栈C++、Python、GPU Kernel、HIP、CUDA、PyTorch、TensorFlow、ROCm、LLVM
业务类型profit_center
工作生活
65中等
跨国企业通常注重工作生活平衡，但JD未明确说明弹性办公或加班政策，实际节奏可能受项目交付影响。
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
88较高
致力于推动AI技术突破与全球科技发展，工作内容直接赋能医疗、科研等关键领域，社会价值与技术使命感强。
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ADVANCE THE WORLD、technology that moves the world forward
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