寒武纪
AI编译器研发工程师
AI编译器研发工程师
发布于 大约 3 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
学历未注明
其它
Ai编译器
Linalg
Llvm
Mlir
代码生成
算子融合
自动调优
AI 估算 · 25k–45k
AI编译器岗位技术要求高，市场稀缺，上海地区薪资竞争力强。
职位详情
关于这个职位
该职位负责寒武纪AI编译器的研发与优化，涉及Triton、MLIR、Linalg等前沿编译器框架，需要与硬件和AI框架团队协作，提升芯片计算性能
适合对AI编译优化有浓厚兴趣、具备C++/Python和编译器开发经验的工程师，能够接触到LLVM、TVM、XLA等顶级技术
最低要求
优秀的学习能力，对 AI 编译器、AI计算优化有浓厚兴趣
熟悉 C++/Python，具备编译器或 AI 编译优化开发经验，熟悉 Triton、MHLO 编译流程
熟悉 MLIR、Linalg等基础设施
具备ai编译优化（如 TVM、XLA、TorchInductor） 经验者优先
熟悉 Kernel 计算优化、算子融合、自动并行化等高性能计算优化策略者加分
工作职责
研究和优化 Triton 编译器和基于MHLO的图编译器，使其高效支持 寒武纪芯片 计算架构
基于 MLIR + Linalg 框架，提升编译器代码执行效率
参与 图优化、后端代码生成、调度策略、指令优化、流水并行化 相关优化工作
研究和优化 Kernel 计算性能，降低计算开销，提高吞吐率
研究算子融合（Op Fusion）、自动调优（Auto-Tuning）、代码生成（CodeGen） 相关优化策略
与 硬件团队、AI框架团队（如 PyTorch/TensorFlow） 协作，提升AI编译器的支持能力
跟踪 LLVM、Triton、TVM、XLA、TorchInductor 等 AI 编译器前沿技术，优化编译性能
优先资格
参与过 Triton、MLIR、IREE、XLA、TVM、TorchInductor 等编译器的开发，或在 GitHub 提交过相关 PR
具备MLU/NPU/GPU 相关的编译优化经验
有深度加速器上（gpu/npu）相关算子开发经验
在 NeurIPS、ICLR、PLDI、CGO、MICRO 等学术会议上发表过 AI 编译相关论文
AI 洞察
优缺点分析
优点
- 接触前沿AI编译器技术（MLIR、Triton、LLVM），技术成长迅速
- 参与国产芯片生态建设，行业前景广阔，职业价值高
- 与顶尖硬件和AI框架团队协作，积累跨领域经验
- 公司已上市，业务稳定，技术投入大
- 编译器研发门槛高，需要扎实的计算机体系结构和编程基础
- 工作强度可能较大，需跟踪多个开源社区的最新进展
- 技术复杂度高，调试和性能优化耗时较长
- 适合对编译器、AI计算优化有浓厚兴趣，具备C++/Python和编译原理基础，愿意深入底层技术、追求极致性能的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从编译器工程师发展为编译器架构师，主导AI编译器整体设计
- 转向AI芯片性能优化专家，深入软硬件协同设计领域
- 向AI框架或深度学习系统方向拓展，成为全栈AI系统专家
- 研究和优化Triton/MHLO编译器，使其适配寒武纪芯片架构，提升计算效率
- 基于MLIR+Linalg框架进行图优化、后端代码生成和调度策略的改进
- 进行算子融合、自动调优和代码生成等核心编译器优化工作
- 与硬件和AI框架团队协作，跟踪LLVM、TVM等前沿技术
- 精通C++和Python，具备扎实的编译器或AI编译优化开发经验
- 熟悉MLIR、Linalg等编译器基础设施，理解Triton、MHLO编译流程
- 了解Kernel计算优化、算子融合、自动并行化等高性能计算策略
- 对TVM、XLA、TorchInductor等编译器有实际经验者优先
申请策略
- 在申请时附上GitHub或技术博客链接，展示编译器相关实践
- 了解寒武纪芯片架构（MLU）和已有编译器栈，在面试中展示针对性思考
- 突出编译器相关项目经验，特别是Triton、MLIR、TVM等开源贡献
- 强调C++/Python编程能力和性能优化成果，如算子加速倍数
- 展示对AI芯片或GPU的编译优化经验，包括Kernel开发和自动调优
- 列出参与过的学术论文或开源PR，体现技术深度
- 深入学习MLIR和Linalg框架，阅读源码并尝试编写小Pass
- 熟悉Triton编程模型和编译流程，了解MHLO和图编译器原理
面试指南
- 从基础概念入手，结合具体项目经验，用STAR法则回答问题
- 展示对编译器栈的整体理解，并联系寒武纪芯片特点提出优化思路
- 在技术问题中，强调实验方法和性能指标，体现工程实践能力
- 请解释MLIR中的Dialect和Pass机制，以及如何在Linalg上进行图优化？
- 描述Triton编译流程，它与传统编译器（如LLVM）有何异同？
- 你有过算子融合或自动调优的经验吗？具体如何提升性能？
- 如何将TVM或XLA的优化策略迁移到寒武纪芯片上？
- 请谈谈你对AI编译器未来发展趋势的看法
职位点评
67
综合评分
前沿AI编译器岗位，技术成长快，薪资有竞争力，但WLB不确定。
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。
更适合这类人
适合追求技术前沿和深度成长、对编译器有热情、能接受现场办公和不确定工作节奏的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活40
使命价值80
薪资福利
60中等
薪资未披露，但公司已上市且岗位稀缺，薪资可能具竞争力；福利未提及，整体补偿性中等。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
岗位涉及最前沿的AI编译器技术（MLIR、Triton、LLVM），提供深度技术成长空间，发展性极强。
技术前沿前沿/新兴技术
技术栈MLIR、Triton、Linalg、LLVM、TVM、XLA
成长机会跟踪前沿技术
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工时或WLB，加班情况不明，生活化满足程度较低。
工作模式仅现场办公
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
80较高
参与国产AI芯片编译器研发，助力自主可控，行业处于高速增长期，意义感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
寒武纪 的其他在招职位
相似职位推荐
Watch Jobs