京东
AI编译器开发工程师
AI编译器开发工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公
Ai编译器
Gpu
Mlir
Npu
Tvm
代码生成
异构计算
性能优化
编译优化
值不值得投
74综合评分
综合评分 74
AI编译器核心研发岗，技术前沿、成长性强，薪资福利与WLB信息未披露。
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
参考估算薪资
根据职位描述推断，供对比参考
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 1910 个在招
市场机会
选择不多
上海 · 1 个在招
职位详情
关于这个职位
该岗位隶属于京东云AI Infra团队，主要负责AI编译器方案设计、核心模块开发与工具链维护，面向大模型训练与推理场景进行编译优化和GPU/NPU等异构硬件适配，提升模型部署效率与硬件利用率
最低要求
具备AI编译器框架开发能力，能够基于MLIR/TVM/Triton等框架独立完成编译优化、代码生成及任务调度模块的设计与实现
拥有AI算子性能优化经验，能够针对模型关键算子在GPU/NPU等异构芯片上进行性能瓶颈定位与编译策略调优，提升硬件利用率
具备系统性问题拆解能力，能够从执行效率或硬件适配问题中定位编译前端、中端优化或后端代码生成的根因，并设计可验证的改进方案
具备前沿技术跟踪意识，能够持续跟进AI编译器与芯片架构演进，并主动将新技术引入现有工具链以解决编译优化难题
在编译器开发与性能调优中坚持严谨的工程规范与高质量交付，以身作则推动编译产物的稳定性与可维护性
符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信
工作职责
负责AI编译器方案设计与核心模块开发，聚焦编译优化与硬件适配
开发与维护编译器工具链，实现跨平台适配以提升模型部署效率
分析AI模型及算子性能瓶颈，优化编译策略以提升硬件利用率
跟踪业界编译器技术演进，规划架构升级并引入先进方法
AI 洞察
优缺点分析
优点
- 背靠京东云AI Infra，业务场景覆盖内外部大模型和智能体应用，项目规模较大
- 工作地点在上海，AI基础设施方向的市场机会较多
- 性能优化与跨平台适配问题复杂，根因定位和方案验证周期可能较长
- JD未披露薪资、WLB和办公模式，实际工作节奏需进一步确认
- 适合有编译器或高性能计算背景，愿意深耕AI Infra和异构计算，并能接受高复杂度技术攻关的工程师
缺点 / 挑战
- 技术栈前沿，聚焦AI编译器、大模型推理和异构计算，技能稀缺度较高
- 团队强调技术驱动与创新，提供成长空间和挑战性项目
- 编译器、AI框架和异构硬件的复合门槛较高，需要同时理解IR、算子和芯片架构
角色解读
- 可从核心模块开发成长为编译器架构师或技术负责人，主导工具链和跨平台方案
- 可横向拓展到大模型推理引擎、AI Infra平台和异构计算软硬件协同方向
- 在AI基础设施稀缺领域持续积累后，可向技术专家或团队管理方向发展
- 设计和开发AI编译器核心模块，围绕编译优化、代码生成和任务调度展开工作
- 维护编译器工具链，推进跨平台适配，服务大模型训练与推理部署
- 分析AI模型和算子性能瓶颈，在GPU/NPU等异构芯片上优化编译策略与硬件利用率
- 跟踪MLIR/TVM/Triton等编译器生态和芯片架构演进，推动工具链架构升级
- 掌握MLIR/TVM/Triton等AI编译器框架，能独立实现编译优化、代码生成与任务调度模块
- 具备AI算子性能优化经验，熟悉GPU/NPU异构计算与性能剖析
- 能从执行效率或硬件适配问题中定位编译前端、中端优化或后端代码生成根因，并设计可验证方案
- 具备严谨工程规范、前沿技术跟踪意识和团队协作意识
申请策略
- 投递前了解京东云AI Infra和大模型推理服务场景，面试中结合业务谈编译优化价值
- 主动与HR确认工作地点、办公模式和薪资结构，避免信息不对称
- 突出MLIR/TVM/Triton实际项目，写明负责的编译优化、代码生成或调度模块及量化收益
- 展示GPU/NPU算子优化案例，如性能瓶颈定位、硬件利用率提升、延迟或吞吐改善数据
- 体现端到端问题拆解能力，从模型/算子到编译前后端根因分析与验证闭环
- 如有大模型训练/推理部署、跨平台工具链经验，应重点列出
- 补强MLIR方言设计、Pass开发、TVM/Triton编译流程和代码生成实践
- 熟悉CUDA/ROCm或NPU编程模型，掌握Nsight等性能剖析工具
面试指南
- 用“问题-分析-方案-结果”结构，先讲背景与瓶颈，再讲根因、方案和量化收益
- 技术题按“现象→profiling/IR分析→假设→实验验证→工程取舍”展开，体现可验证性
- 前沿题结合具体论文或开源项目，说明适用条件、落地风险和迁移方案
- 请介绍你基于MLIR/TVM/Triton做过的编译优化项目，负责哪部分、收益如何？2. 如何定位AI算子在GPU/NPU上的性能瓶颈？请举例说明优化策略
- 编译前端、中端优化和后端代码生成问题如何拆解与验证？4. 你如何跟踪AI编译器前沿并把新技术引入现有工具链？5. 跨平台适配中如何处理不同芯片架构和算子语义差异？
- 复习MLIR/TVM/Triton架构、Pass管理、IR优化、代码生成和调度基础
- 准备算子优化案例和性能数据，熟悉GPU/NPU profiling工具
- 了解京东云大模型训练推理平台和AI Infra业务，准备与岗位匹配的问题
职位点评
薪资福利72
成长发展88
工作生活55
使命价值82
薪资福利
72中等
JD未披露薪资与福利，岗位属于高技能AI Infra方向，上海同类岗位通常有较强薪酬竞争力；具体稳定性和福利需向HR确认。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
88较高
岗位处于大模型AI Infra前沿，涉及MLIR/TVM/Triton、GPU/NPU异构优化，技术成长和项目挑战性较强。
技术前沿前沿/新兴技术
技术栈MLIR、TVM、Triton、AI编译器、GPU、NPU、代码生成、性能优化、异构计算
成长机会广阔的成长空间、富有挑战性的项目、跟踪业界编译器技术演进
业务类型ambiguous
工作生活
55较低
JD未提及办公模式、弹性或加班情况，仅明确工作地点为上海；实际WLB需在面试中确认。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
82较高
岗位服务京东内外部大模型业务生态与智能体应用，属于AI基础设施方向，行业成长性强；直接社会价值信号一般。
行业发展高速增长赛道
社会影响中性/一般
使命信号高效支持和驱动京东集团内外部的大模型业务生态及智能体应用
创新程度积极采用新技术
Watch Jobs