AI编译器工程师-上海

优缺点分析

角色解读

• 可向编译器专家或系统架构师方向发展，成为AI基础设施核心人才
• 深入芯片软硬件协同设计，参与AI芯片全栈开发，职业前景广阔
• 未来可转向AI框架开发、异构计算等前沿领域，技术迁移性强
• 负责AI编译器软硬件系统的开发与优化，连接深度学习框架与底层硬件
• 实现和优化ARM/GPU上的神经网络算子，提升推理性能和效率
• 与软硬件团队协作，解决系统级性能瓶颈并推动技术落地
• 扎实的C++编程能力，熟悉数据结构与算法，能进行复杂系统设计
• 理解神经网络算子实现原理，熟悉推理框架的工作机制
• 优先考虑具备ARM/GPU推理框架优化或LLVM/TVM/GLOW编译器开发经验
• 良好的英文阅读能力和团队协作能力，能快速学习新知识

申请策略

• 了解瑞芯微的芯片产品线（如RK系列），在面试中体现对AIoT场景的认知
• 关注公司技术博客或开源项目，展示主动学习和对技术文化的认同
• 突出C++项目经验，尤其涉及性能优化、内存管理、多线程等复杂场景
• 强调任何编译器、算子开发或异构计算相关经历，即使只是课程项目或业余实践
• 展示数据结构与算法功底，如算法竞赛获奖或开源贡献，增强竞争力
• 学习LLVM/TVM/MLIR等编译器框架，尝试编写简单的pass或算子实现
• 熟悉ARM/GPU架构，了解SIMD、访存优化、指令流水线等底层技术
• 研究主流推理引擎（如TensorFlow Lite、MNN）的算子优化思路，动手复现

面试指南

• 用STAR法则回答项目经验，突出挑战、思路、执行和量化结果
• 系统性分析问题：从算法层面、编译中间表示到硬件指令集分层拆解
• 强调方法论：先做基准测试和剖析，定位瓶颈，再迭代优化，并验证效果
• 请解释TVM的算子调度机制，以及如何优化一个卷积算子在ARM上的性能
• 描述一次你独立解决复杂性能调优问题的经历，如何定位和突破瓶颈？
• C++中虚函数的实现原理，以及何时使用虚函数？
• 如何设计一个跨平台的AI推理框架？要考虑哪些关键抽象？
• 谈谈你对LLVM中间表示的理解，以及如何在编译器中做优化