Alibaba logo
阿里巴巴
达摩院-产品解决方案架构师-RISCV及生态

达摩院-产品解决方案架构师-RISCV及生态

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 4.5–7.5万 · AI 参考估算
高级经验
本科
全职员工仅现场办公解决方案
解决方案
Ai Agent
Linux性能分析
Npu
Risc-V
具身智能
异构计算
自动驾驶

值不值得投

76综合评分

综合评分 76

前沿智能计算架构岗,技术成长强,办公模式与WLB信息不明确

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

6.0万

比解决方案中位数高

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 5110 个在招 · 其中解决方案 93 个

市场机会

选择面较广

杭州 · 解决方案 · 82 个在招

职位详情

关于这个职位

该岗位面向具身智能、ADAS和AI Agent等前沿场景,负责从系统架构、CPU负载到AI模型推理性能的需求分析与方案设计

你将结合CPU、GPU、NPU、DSP等异构计算平台评估瓶颈、定义IP方案,并支持技术选型与客户导入

最低要求

基础要求

本科及以上学历,微电子、计算机、电子信息工程等相关专业,5年以上具身智能/自动驾驶/AI Agent 或相关复杂系统开发、性能分析经验
深入理解具身智能/自动驾驶/AI Agent 系统架构,熟悉感知、规划/决策、控制等核心模块的算法流程、软件链路及工程约束
具备扎实的性能分析能力,熟悉线程调度、任务编排、内存管理、缓存行为、带宽分析及实时性评估方法
熟悉 Linux 环境下性能分析工具与调试方法,能够独立完成热点定位与瓶颈分析
熟悉 AI 模型部署与推理优化流程,能够分析模型在不同平台上的算力、内存、带宽及时延需求
了解 CPU / GPU / NPU / DSP 等异构计算架构及协同方式,有主流平台性能评估、算子分析或算法移植优化经验者优先

工作职责

职位描述

面向特定领域进行方案设计(具身智能/ADAS/AI agent),负责相关方向的技术评估与架构分析,拆解感知、决策/规划、控制等核心模块的计算特征与性能需求
负责相关领域的 CPU 负载分析和性能分析,定位系统瓶颈并提出优化方案,为 IP 设计提供依据
负责 AI 模型的性能需求分析,评估基础模型、BEV、多模态模型等在不同算力平台上的时延、吞吐、内存及带宽需求
结合 CPU / GPU / NPU / DSP 等异构计算架构,开展系统级性能分析与技术可行性评估,支持 IP 方案定义、技术选型与客户导入
持续跟踪特定方向的前沿技术发展,构建典型 workload 的分析方法与评估体系,沉淀可复用的技术判断与性能分析能力

优先资格

加分项

有 NVIDIA、TI、高通等主流计算/AI芯片平台的性能分析、算法移植或优化经验
有机器人、无人机、智能驾驶等复杂系统的 workload 建模或性能评估经验
有开源项目贡献、相关专利或技术论文发表

AI 洞察

优缺点分析

优点

  • 岗位聚焦具身智能、ADAS、AI Agent和RISC-V生态,技术方向前沿,能积累稀缺的系统级性能分析经验
  • 工作内容横跨AI模型、异构计算、CPU负载分析和IP方案定义,技术视野较宽
  • 有机会沉淀workload评估体系,形成可复用的方法论和技术判断能力
  • 地点覆盖深圳、杭州、上海,便于候选人在多个一线科技城市中选择
  • 需要同时理解智能系统算法链路、芯片架构和性能分析,技术跨度大,学习曲线较陡
  • 客户导入和IP方案定义要求较强的技术沟通能力,需要把复杂分析结果转化为可决策方案
  • 前沿方向变化快,需要持续跟踪新技术并更新评估体系
  • 适合有复杂智能系统开发或性能分析背景,熟悉Linux与异构计算,并希望向芯片架构、RISC-V生态和系统级解决方案方向发展的资深技术人才

缺点 / 挑战

暂无明显挑战项

角色解读

  • 可向RISC-V生态、芯片架构评估、异构计算性能优化等方向深入,成为系统级性能与架构专家
  • 可拓展到IP方案定义、客户技术导入和生态合作,逐步承担更复杂的技术决策与方案影响力
  • 长期可发展为前沿智能系统计算平台专家,连接算法、芯片、系统和客户场景
  • 面向具身智能、ADAS、AI Agent等场景拆解系统链路,分析感知、决策规划、控制等模块的计算特征与性能需求
  • 基于Linux性能分析工具开展CPU负载、线程调度、内存、缓存、带宽和实时性分析,定位系统瓶颈并提出优化方案
  • 评估基础模型、BEV、多模态模型在CPU、GPU、NPU、DSP等平台上的时延、吞吐、内存和带宽表现
  • 沉淀典型workload分析方法和评估体系,为IP方案定义、技术选型和客户导入提供依据
  • 需要深入理解具身智能、自动驾驶或AI Agent系统架构,熟悉算法流程、软件链路和工程约束
  • 需要掌握性能分析方法,包括线程调度、任务编排、内存管理、缓存行为、带宽分析和实时性评估
  • 需要熟悉Linux环境下的性能分析工具与调试方法,能独立完成热点定位和瓶颈分析
  • 需要理解AI模型部署与推理优化,并了解CPU、GPU、NPU、DSP等异构计算架构及协同方式

申请策略

  • 申请前了解达摩院在RISC-V、AI芯片和智能计算方向的技术布局,确保自己的项目经历能与岗位方向对齐
  • 面试中尽量用具体项目说明如何从现象定位瓶颈、如何做取舍,以及优化方案如何支撑架构决策
  • 突出5年以上具身智能、自动驾驶、AI Agent或复杂系统开发、性能分析经验,并量化性能瓶颈定位与优化结果
  • 重点展示CPU负载分析、线程调度、内存管理、缓存行为、带宽分析和实时性评估相关项目
  • 写明熟悉的Linux性能分析工具、调试方法,以及AI模型部署和推理优化经历
  • 如有NVIDIA、TI、高通平台经验,机器人、无人机、智能驾驶workload建模经验,开源项目、专利或论文,应单独列出
  • 补强CPU、GPU、NPU、DSP异构计算架构知识,重点理解算子映射、内存层级、带宽瓶颈和协同调度
  • 提升workload建模与性能评估体系化能力,能用统一方法比较不同模型和平台的表现

面试指南

  • 性能问题回答采用“场景背景—指标定义—工具方法—瓶颈定位—优化方案—结果验证”的结构,突出量化结果
  • 架构评估回答采用“workload拆解—平台能力映射—约束条件—候选方案—取舍结论”的思路,体现系统性判断
  • 方案导入回答可按照“客户/业务目标—技术障碍—评估证据—方案建议—风险与后续计划”展开,展示沟通与决策能力
  • 请介绍一个你主导的复杂系统性能分析项目,如何定位瓶颈并推动优化落地?
  • 对具身智能或自动驾驶系统,你会如何拆解感知、规划决策、控制模块的算力、内存和带宽需求?
  • 如何分析BEV或多模态模型在不同算力平台上的时延、吞吐和内存带宽表现?
  • 你熟悉哪些Linux性能分析工具?在CPU负载、缓存命中、线程调度和实时性问题上分别如何使用?
  • 如何理解CPU、GPU、NPU、DSP的协同方式,以及在IP方案定义中如何做技术选型?

职位点评

薪资福利78
成长发展88
工作生活55
使命价值76

薪资福利

78中等

JD未披露薪资和福利信息,因此只能基于岗位层级和技能门槛判断其可能具备较好的薪酬吸引力,但缺少明确福利证据。

薪资信号未披露(AI估算:4.5千–7.5万/月)

成长发展

88较高

岗位涉及具身智能、ADAS、AI Agent、RISC-V生态和异构计算性能分析,技术复杂度高且强调沉淀评估体系,成长空间明显。JD未明确提及晋升通道或培训机制。

技术前沿前沿/新兴技术
技术栈RISC-V、具身智能、ADAS、AI Agent、CPU负载分析、性能分析、BEV、多模态模型、CPU、GPU、NPU、DSP、异构计算、Linux
业务类型ambiguous

工作生活

55较低

JD明确给出深圳、杭州、上海三个城市选择,但未说明远程、混合办公、弹性工时或加班情况,生活化动机满足程度难以判断。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

76中等

岗位服务于RISC-V生态、智能系统计算平台和前沿AI场景,具有较强技术探索价值。JD未直接描述社会使命或公共价值导向。

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
Watch Jobs