小米
芯片物理设计工程师（AI方向）
芯片物理设计工程师（AI方向）
发布于 大约 1 小时前普通员工/个人贡献者
上海市
无经验要求
全职员工
仅现场办公
硕士
芯片设计
Cot
Eda
Ppa优化
Pytorch
Soc
Tcl
Tensorflow
大模型Agent
强化学习
AI 估算 · 20k–30k
芯片设计技术门槛高，AI方向稀缺，上海应届硕士薪资竞争力强，小米平台稳定。
职位详情
关于这个职位
该职位负责小米SoC芯片的COT全流程物理设计，从RTL到GDSII的收敛与Signoff，同时将AI技术（机器学习、强化学习、大模型Agent）引入EDA流程，实现智能化芯片设计
作为2026届应届生，你将接触到先进的AI+EDA方向，参与构建自动化设计闭环，适合对芯片后端和AI交叉领域感兴趣的技术人才
最低要求
职位要求
微电子、集成电路、电子信息、计算机、人工智能等相关专业，硕士及以上学历，2026届应届毕业生
扎实掌握数字IC后端/COT设计流程，熟悉布局布线、时序分析、物理验证、Signoff交付核心流程，理解芯片PPA优化逻辑
掌握机器学习/深度学习基础理论，熟悉PyTorch/TensorFlow任一框架，了解强化学习、智能体决策、特征工程等AI技术，具备AI模型训练与落地思维
熟练掌握Python/Tcl脚本开发，能够独立完成EDA自动化工具、数据分析、流程优化脚本开发，有IC设计自动化开发经验优先
具备较强的问题拆解与技术攻坚能力，愿意深耕AI赋能芯片设计方向，有AI+EDA、流程智能化、后端自动化相关项目经验者优先
工作职责
职位描述
负责SoC芯片COT全流程交付工作，覆盖从RTL到GDSII的中后端全链路收敛、时序功耗面积（PPA）优化、物理验证与投片Signoff，保障芯片高质量按期交付
聚焦IC设计流程智能化升级，将机器学习、强化学习、大模型Agent技术落地到COT中后端核心场景，通过AI自主探索替代传统人工经验与数据模仿模式，优化逻辑综合、UPF/SDC产生、STA分析、布局布线、时序收敛、Shmoo分析、失效诊断等关键环节
针对芯片设计流程卡点与迭代瓶颈，搭建AI驱动的自动化设计、仿真、验证闭环体系，优化EDA工具调用策略、批量数据分析与异常定位流程，缩短芯片回片调试与交付周期
结合先进工艺特性，研究AI赋能的PPA优化策略与设计空间探索方法，挖掘算法迭代带来的设计收益，沉淀标准化、可复用的智能化COT交付流程与工具脚本
跟进业界AI+EDA前沿技术，协同前后端、验证、测试团队推进设计流程自动化、智能化改造，构建COT交付领域的AI技术壁垒，支撑多项目并行高效交付
AI 洞察
优缺点分析
优点
- 小米为上市巨头，平台稳定，资源丰富，能接触到大规模SoC芯片项目
- AI+EDA方向属于行业前沿，技术含量高，有助于积累稀缺的跨领域技能
- 作为应届生，可以参与全流程交付，学习曲线陡峭，成长速度快
- 芯片物理设计流程复杂，工作强度较大，对细节要求极高
- AI+EDA尚在探索阶段，需要同时掌握IC设计和AI知识，学习负担较重
缺点 / 挑战
- 涉及多团队协作，沟通成本较高，需要较强的跨部门协调能力
- 适合对芯片后端设计和人工智能交叉领域有强烈兴趣，具备扎实技术基础且乐于接受挑战的应届毕业生
角色解读
- 从IC后端工程师起步，逐步深入AI+EDA领域，成为芯片设计智能化专家
- 横向发展可转向前后端协同、验证或项目管理，纵向可晋升为技术专家或团队负责人
- AI+EDA是芯片设计的前沿方向，行业需求快速增长，职业发展空间广阔
- 负责SoC芯片从RTL到GDSII的COT全流程物理设计与Signoff，确保芯片高质量交付
- 将机器学习和强化学习技术应用于逻辑综合、时序分析、布局布线等环节，实现设计流程智能化
- 搭建AI驱动的自动化设计闭环，优化EDA工具调用和数据分析流程，缩短芯片交付周期
- 研究AI赋能的PPA优化策略，探索设计空间，沉淀可复用的智能化流程工具
- 扎实的数字IC后端设计知识，熟悉布局布线、时序分析、物理验证和Signoff流程
- 掌握机器学习/深度学习基础，熟悉PyTorch或TensorFlow，了解强化学习和智能体决策
- 熟练使用Python和Tcl进行自动化脚本开发，具备EDA工具使用和流程优化能力
- 具备问题拆解和技术攻坚能力，对AI+EDA交叉方向有浓厚兴趣
申请策略
- 在申请材料中明确表达对AI赋能芯片设计的热情和职业规划
- 关注小米的招聘宣讲或内推渠道，了解团队技术方向和面试风格
- 突出数字IC后端项目经历，如完成过RTL到GDSII的流程或参与过Signoff
- 展示机器学习或深度学习项目，尤其是与EDA或自动化相关的结合点
- 强调Python/Tcl脚本开发能力和自动化工具改进的案例
- 如有AI+EDA或流程智能化相关研究，务必重点描述
- 提前熟悉行业主流EDA工具（如Synopsys、Cadence）的基本使用
- 补充强化学习和大模型Agent在工业界的应用知识，尝试小型项目实践
面试指南
- 对于项目类问题，采用STAR法则，突出个人贡献和量化结果
- 对于AI+EDA开放性问题，从痛点出发，说明如何用AI解决，并提及自身相关实践
- 对于技术基础问题，先讲清原理，再结合实例说明，展示逻辑性
- 请介绍你参与过的芯片后端项目，你负责了哪些环节？
- 你如何理解AI在芯片设计自动化中的应用？请举例说明
- Python和Tcl在IC自动化中分别适用什么场景？
- 谈谈你对PPA优化的理解，以及AI如何助力PPA提升？
- 遇到时序违例时，你的排查和优化思路是什么？
职位点评
73
综合评分
小米AI方向芯片物理设计岗，前沿技术栈，薪资竞争力强，但工作强度较高。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
该职位最适合追求技术成长和前沿突破的求职者，能够接受高强度工作节奏。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展88
工作生活45
使命价值72
薪资福利
75中等
小米作为大型上市公司，薪资福利具有竞争力，且芯片岗位薪资在行业中处于中上水平。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
88较高
AI+EDA属于前沿交叉领域，技术含量高，能快速积累稀缺技能，发展空间大。
技术前沿前沿/新兴技术
技术栈机器学习、强化学习、大模型Agent、PyTorch、TensorFlow、EDA、COT
业务类型ambiguous
工作生活
45较低
芯片设计岗位通常需要现场办公，加班可能较多，工作强度较大，但小米提供一定的平台稳定性。
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
72中等
芯片设计是科技自立的重要领域，AI赋予其创新意义，但工作本身偏研发，社会影响间接。
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
小米 的其他在招职位
相似职位推荐
Watch Jobs