智元机器人
优才-算子开发工程师（训推底层算子 / 高性能计算方向）
优才-算子开发工程师（训推底层算子 / 高性能计算方向）
发布于 大约 15 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
硕士
机器学习工程
Cuda
Flashattention
Gpu优化
Mlir
Pytorch
Vllm
昇腾
高性能计算
AI 估算 · 35k–60k
AI算子开发属高端稀缺技能，上海薪资竞争激烈，硕士2年经验通常35K-60K/月。
职位详情
关于这个职位
该职位负责AI训练和推理底层算子的开发与极致优化，包括Transformer核心算子、高性能矩阵乘等
你将基于CUDA/Triton/MLIR编写高性能算子，并在GPU/NPU上做性能调优，直接支撑大模型训练和推理效率
需要扎实的C++/CUDA功底和并行计算经验
最低要求
硕士及以上，计算机/电子/数学相关，2年+AI算子/HPC开发经验
精通C++/CUDA编程，熟悉GPU/NPU体系结构、共享内存、流水线、访存优化
理解深度学习核心算子：GEMM、Conv、LayerNorm、Softmax、Attention、Quant
熟悉性能分析工具：Nsight Compute/Systems、perf、VTune
工作职责
负责Transformer/Attention/FFN、矩阵乘、融合算子、量化算子的开发与极致优化
基于CUDA/CUTLASS/Triton/MLIR开发高性能算子，支撑训练与推理性能提升
针对 GPU/NPU/昇腾/寒武纪等硬件做算子适配、性能调优、软硬件协同
实现FlashAttention-2/3、FlashInfer、DeepGEMM、PagedAttention、FP8/FP4等核心算子
负责算子性能分析、瓶颈定位、显存/计算/访存优化，达到硬件算力上限
与训练/推理团队协同，将定制算子集成到PyTorch/Transformers/vllm等训练和推理框架中
构建算子测试、benchmark、自动化验证体系，保证稳定性与兼容性
优先资格
熟悉Triton/CUTLASS/cuBLAS/cuDNN，有算子库开发经验优先
有PyTorch算子开发、自定义算子、推理引擎算子接入经验优先
具备扎实的数值计算、并行算法、汇编/IR阅读能力优先
AI 洞察
优缺点分析
优点
- 技术含金量高，掌握AI底层核心技术，稀缺性强，市场价值大
- 接触最新GPU/NPU硬件和前沿算法，紧跟AI基础设施发展浪潮
- 公司在机器人赛道，B轮阶段，平台成长性好，有期权潜力
- 门槛高，需要扎实的C++/CUDA功底，学习曲线陡峭
- 硬件迭代快，需要不断学习新技术和适配不同平台
缺点 / 挑战
- 工作强度可能较大，性能优化任务挑战性强，需要持续攻坚
- 适合对底层系统和性能优化有浓厚兴趣，具备扎实编程能力，喜欢挑战技术难点的工程师
角色解读
- 可从算子开发工程师向资深高性能计算专家或AI框架工程师发展
- 有机会深入硬件底层，成为软硬件协同设计专家，或转型AI芯片架构师
- 由于AI基础设施需求旺盛，可向技术专家或技术管理方向晋升
- 开发和优化Transformer/Attention等深度学习核心算子，包括矩阵乘、融合算子、量化算子
- 基于CUDA/Triton/MLIR编写高性能算子，针对GPU/NPU等硬件进行适配与调优
- 实现FlashAttention、PagedAttention等先进算法，集成到PyTorch、vLLM等框架中
- 搭建算子测试和benchmark体系，分析性能瓶颈并优化到硬件算力上限
- 精通C++/CUDA编程，理解GPU/NPU体系结构和访存优化
- 熟悉Triton/CUTLASS等算子开发工具，以及Nsight等性能分析工具
- 深入理解深度学习核心算子的实现原理和数值计算
申请策略
- 了解智元机器人的业务方向，结合机器人对AI算力的需求阐述兴趣
- 可以准备一个算子优化的案例，展示你的分析和解决能力
- 突出高性能计算项目经历，如GPU算子开发、性能调优案例，附上量化数据（如提速X%）
- 强调CUDA/Triton/CUTLASS等工具的实际使用经验，以及熟悉的硬件平台
- 展示对深度学习算子的理解，如GEMM、Attention等原理或实现
- 系统学习CUDA编程和GPU体系结构，动手实现简单算子
- 熟悉Triton或CUTLASS框架，并阅读FlashAttention等核心源码
- 掌握性能分析工具（Nsight、perf）的使用
面试指南
- 对于项目类问题，用STAR法则：背景、任务、行动、结果，突出量化成果
- 对于原理类问题，从基本概念出发，结合计算和访存分析，展示深度理解
- 对于开放性问题，先拆解问题，分点回答，再举具体例子佐证
- 介绍一下你做过的算子优化项目，如何定位瓶颈并优化？
- CUDA中shared memory和global memory的访问优化有哪些方法？
- 请解释FlashAttention的原理和它为什么比标准Attention快
- 如何将自定义算子集成到PyTorch中？
- 谈谈你对Triton和CUTLASS的理解，它们各自优缺点？
职位点评
68
综合评分
AI算子开发岗，前沿技术栈，薪资市场水准，工作节奏未明确，成长性强。
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
适合追求技术成长和职业发展空间，对薪资和WLB要求尚可的底层技术工程师。
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88
工作生活50
使命价值70
薪资福利
60中等
JD未披露薪资，但AI算子岗位市场薪酬较高，B轮公司提供期权可能，但稳定性一般。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
88较高
该岗位涉及CUDA、Triton等前沿技术，处于AI基础设施核心，技能成长快。JD中无明确培训晋升信息。
技术前沿前沿/新兴技术
技术栈CUDA、Triton、CUTLASS、MLIR、FlashAttention、vLLM、GPU、NPU
业务类型ambiguous
工作生活
50较低
工作地点在上海，要求现场办公，未提及弹性时间，可能有较强项目压力。
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
70中等
智元机器人处于具身智能赛道，行业前景广阔，但岗位偏底层技术，直接社会影响较间接。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs