Watch Jobs
CXMT logo
长鑫存储
算法工程师(PIM)-Algorithm Engineer (PIM)(J18381)
立即应聘

算法工程师(PIM)-Algorithm Engineer (PIM)(J18381)

发布于 大约 3 小时前

普通员工/个人贡献者

北京市
中级经验
全职员工
仅现场办公
硕士
机器学习工程
Gem5
Moe
Pim
Pytorch
Tensorflow
存内计算
模型压缩
深度学习
稀疏化

AI 估算 · 25k–45k

PIM算法工程师属前沿稀缺方向，北京半导体行业薪资较高，硕士博士学历支撑中高端薪资。

职位详情

关于这个职位

该职位专注于存内计算（PIM）架构下的大模型算法研究与优化，涉及模型压缩、量化、稀疏化等轻量化技术，并与芯片设计团队协同进行软硬件联合优化

你将参与PIM芯片的算法-架构联合仿真、编译工具开发，以及PIMPU架构定义，推动前沿AI芯片技术落地
适合具备深度学习算法背景且对芯片架构感兴趣的工程师

最低要求

熟悉存内计算/近存计算原理，有相关芯片算法或设计经验者优先;

精通深度学习算法，尤其在大模型训练/推理优化、轻量化技术方面有实际项目经验;
具备软硬件协同设计能力，熟悉计算机体系结构、数字电路设计流程;
熟悉芯片建模工具（如Gem5、CACTI、SPICE等）或具备相关仿真经验;
掌握Python/C++，熟悉深度学习框架（PyTorch/TensorFlow）;
计算机科学、电子工程、微电子等相关专业硕士或博士学历

工作职责

大模型算法研究与优化：

研究面向存内计算架构的大模型（如Transformer、MOE等）算法优化方法，包括模型压缩、稀疏化、量化、动态计算等;
探索适合PIM硬件特性的新型算法范式，提升能效比与计算效率;
软硬件协同设计：
参与存内计算系统架构设计，实现算法与硬件的深度协同优化;
参与开发面向PIM架构的编译工具、运行时库及软件栈，支持高效模型部署与推理;
PIM芯片建模与仿真：
建立PIM芯片的算法-架构联合仿真平台，进行性能、能效与面积评估;
开展电路级、架构级建模，为芯片设计提供算法层面的输入与验证;
PIMPU设计与支持：
参与PIMPU架构定义与微结构设计，确保其高效支持大模型计算;
协助完成PIMPU的RTL设计验证、性能分析与功耗优化;
跨团队协作与创新：
与芯片设计、软件工程、系统架构团队紧密合作，推动技术创新与产品化落地;
跟踪前沿技术动态，参与学术研究与专利申请

优先资格

有AI芯片（如NPU、TPU、PIM等）算法或架构设计经验优先;

熟悉大模型并行计算、内存优化、异构计算等技术优先

AI 洞察

优缺点分析

优点

  • 处于AI芯片与存内计算前沿，技术壁垒高，积累核心竞争力
  • 长鑫存储为国内存储芯片龙头，平台资源丰富，发展稳定
  • 软硬件结合的工作内容，技能复合度高，职业路径宽广
  • 跨团队协作机会多，能接触到芯片设计、软件工程等多领域
  • 技术要求极高，需同时掌握深度学习、体系结构和芯片设计，学习曲线陡峭
  • 存内计算尚处早期，行业标准未定，项目不确定性较大

缺点 / 挑战

  • 工作地点北京，生活成本较高，且半导体行业普遍加班较多
  • 适合对AI芯片技术有强烈热情，具备深度学习与硬件交叉背景，愿意挑战高难度技术的求职者

角色解读

  • 成为AI芯片算法专家，深入PIM架构优化领域
  • 转向系统架构师，主导芯片整体方案设计
  • 发展为技术管理者，带领团队推动产品化落地
  • 研究面向存内计算架构的大模型算法优化，如模型压缩、量化、稀疏化等
  • 参与PIM芯片的软硬件协同设计，开发编译工具和运行时库
  • 建立算法-架构联合仿真平台，进行性能、能效评估
  • 协助PIMPU架构定义和RTL设计验证，确保芯片高效支持大模型计算
  • 精通深度学习算法，尤其在大模型训练/推理优化方面有实际项目经验
  • 熟悉存内计算/近存计算原理，具备软硬件协同设计能力
  • 掌握Python/C++及深度学习框架（PyTorch/TensorFlow）
  • 了解芯片建模工具（如Gem5、CACTI、SPICE）或相关仿真经验

申请策略

  • 在求职信中表达对PIM技术路线的理解与兴趣，展示技术洞察
  • 提前了解长鑫存储的PIM产品布局，在面试中提出建设性想法
  • 突出大模型训练/推理优化项目，如模型压缩、量化、蒸馏等实际成果
  • 强调软硬件协同设计经历，例如参与过AI芯片的算法-架构联合优化
  • 列出熟悉的芯片建模工具和深度学习框架，体现技术广度
  • 如果发表过相关论文或专利，务必注明，体现研究深度
  • 系统学习存内计算原理，阅读相关论文（如ISSCC、ISCA等）
  • 动手实践芯片建模工具，如Gem5模拟器，尝试搭建简单仿真环境

面试指南

  • 技术问题采用STAR法则：情境、任务、行动、结果，量化成果
  • 开放性问题先肯定问题价值，再分点阐述思路，最后总结
  • 对于挑战类问题，展示解决问题的框架思维，而非逃避
  • 请介绍你做过的大模型优化项目，具体用了哪些压缩方法？效果如何？
  • 如何将Transformer部署到存内计算架构上？会遇到哪些挑战？
  • 软硬件协同设计中，你如何平衡算法精度与硬件效率？
  • 你熟悉的芯片建模工具有哪些？简单描述建模流程
  • 为什么选择PIM方向？你对存内计算的未来趋势有何看法？

职位点评

69
综合评分

前沿AI芯片算法岗，技术栈新、成长性强，但工作地点固定、生活化动机较弱。

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
该职位最适合追求技术前沿与深度成长的求职者，对薪资和WLB敏感者需谨慎。
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50
使命价值80

薪资福利

60中等

薪资未在JD中披露，但根据行业和岗位级别推测处于较高水平，福利未提及，补偿性动机满足程度一般。

薪资信号未披露（AI估算：25K-45K/月）

成长发展

90较高

该职位聚焦前沿PIM技术和大模型算法，技术栈新且深入，软硬件协同设计提供极佳成长空间，但JD未明确提及晋升通道。

技术前沿前沿/新兴技术
技术栈PIM、Transformer、模型压缩、量化、软硬件协同
业务类型ambiguous

工作生活

50较低

JD未提及远程或弹性办公，仅现场办公，且北京通勤压力大，未说明WLB，生活化动机满足有限。

工作模式仅现场办公
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

80较高

AI芯片属于高速增长赛道，存内计算创新性较强，但JD未提及具体社会价值，意义感动机中等偏上。

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

长鑫存储 的其他在招职位

相似职位推荐

Watch Jobs