英特尔
AI Compiler and Library Engineer
AI Compiler and Library Engineer
发布于 6 个月前普通员工/个人贡献者
上海市
初级经验
全职员工
混合式弹性办公
硕士
软件工程
Performance Optimization
Ai Compiler
Operating Systems
PyTorch
TensorFlow
AI 估算 · 18k–30k
芯片大厂AI编译器工程师，底层软件开发，硕士起薪较高。
职位详情
关于这个职位
该职位是英特尔公司的AI编译器与库工程师，主要负责设计、开发、集成、测试和调试软件，以启用或优化英特尔产品的人工智能功能，特别是机器学习和深度学习
你将参与跨越整个软件栈的工作，从底层固件、驱动到上层应用框架，致力于提升AI产品的性能和客户价值
最低要求
候选人应至少拥有计算机科学或相关领域的硕士学位，或拥有学士学位并具备至少2年相关经验
候选人必须具备以下资格：
精通系统级编程语言（如C、C++和汇编语言）的开发与调试技能
具备分析和解决复杂技术问题的良好记录
具备出色的书面和口头沟通能力，能够清晰地阐述技术细节和概念
候选人应至少具备以下一项资格：
对TensorFlow、PyTorch等主流深度学习框架之一有扎实的理解
在深度学习或高性能计算（HPC）工作负载的性能分析与优化方面有实际经验
对计算机体系结构和指令集（尤其是IA指令集）有扎实的理解
对操作系统、语言运行时管理等系统级软件有扎实的理解
工作职责
设计、开发、集成、测试、验证和/或调试软件，以启用英特尔产品的人工智能功能（包括机器学习和深度学习）
理解内部和外部合作伙伴的软件，并根据需要开发跨越整个软件栈（涵盖固件、驱动程序、操作系统、中间件、框架、算法和应用程序）的软件，以启用和优化特定的AI功能、能力、解决方案、参考平台或英特尔产品
可能包括开发参考AI软件，改进或启用客户设计以获取英特尔AI产品的最大价值，为AI基准测试开发和/或优化工作负载，以及为支持硅前（preSi）功耗和性能分析及架构建议而进行模拟的工作负载
AI 洞察
优缺点分析
优点
- 平台优势显著，能在英特尔这样的全球半导体领导企业工作，接触最前沿的AI硬件和软件技术，积累深厚的行业经验
- 技术栈高端且核心，专注于AI编译器、底层性能优化和系统软件，技能壁垒高，长期职业竞争力强
- 职位隶属于销售与营销集团（SMG），有机会更贴近业务和客户，理解产品如何创造市场价值，视野更全面
- 技术难度大，需要同时精通底层硬件指令集、系统软件和上层AI框架，对学习能力和知识深度要求极高
- 适合对计算机系统底层有强烈兴趣，热衷于通过软件释放硬件性能潜力，并希望在AI基础设施领域深耕的技术型人才
缺点 / 挑战
- 工作涉及复杂的软件栈集成和性能调优，问题定位和调试可能非常耗时且具有挑战性
- 作为核心研发岗位，可能面临较大的项目交付压力和对技术成果的高标准要求
角色解读
- 技术路径上，你可以从编译器/库工程师成长为AI系统软件专家，深入硬件与软件的协同优化，或转向AI架构师角色
- 行业路径上，在英特尔这样的芯片巨头积累的经验，可以让你在半导体、高性能计算、云计算和AI基础设施等领域拥有广阔的发展前景
- 你将负责开发和优化支持AI功能的底层软件，包括编译器和库，确保英特尔硬件能高效运行机器学习与深度学习任务
- 你的工作涉及整个软件栈，从贴近硬件的固件、驱动，到上层的应用框架和算法，需要进行集成、测试和性能调优
- 你可能需要开发参考软件或优化客户设计，以最大化英特尔AI产品的价值，并参与基准测试和模拟分析，为产品架构提供建议
- 核心技能是精通C/C++和汇编语言等系统级编程，具备扎实的软件开发和调试能力，能够解决复杂的技术问题
- 需要深入理解至少一种主流深度学习框架（如TensorFlow或PyTorch）的内部原理，或者具备AI/HPC工作负载的性能分析与优化经验
- 必须对计算机体系结构、指令集（特别是IA架构）以及操作系统、运行时等系统软件有深刻的理解
申请策略
- 深入了解英特尔在AI领域的战略和产品线（如Habana Gaudi, Xeon CPU的AI加速），在申请和面试中展现你对公司业务的关注
- 由于职位在SMG下，可以思考并准备如何从技术角度支持销售和客户成功，体现一定的商业思维
- 重点突出你在C/C++/汇编语言方面的项目经验，特别是与系统编程、性能优化或编译器/工具链开发相关的经历
- 详细描述你使用TensorFlow、PyTorch等框架进行开发、调优或理解其底层机制的项目，并量化性能提升等成果
- 如果有计算机体系结构、操作系统内核或运行时相关的课程项目、研究或工作经验，务必清晰阐述你的理解和贡献
- 如果对IA指令集不熟悉，可以提前学习x86/Intel架构的基础知识，了解其与性能优化相关的特性
- 加强对操作系统原理和编译原理的理解，这两个领域是胜任底层软件工程师的关键基础
- 可以通过阅读开源AI编译器（如TVM、MLIR）或深度学习框架的源码，加深对系统运作机制的认识
面试指南
- 对于技术问题，采用“情境-任务-行动-结果”（STAR）法则来组织答案，清晰交代背景、你的角色、具体行动和可衡量的成果
- 回答系统原理或优化类问题时，可以遵循从宏观到微观、从理论到实践的思路，先阐述核心概念，再结合具体实例或代码片段说明
- 请描述一个你使用C++解决过的复杂系统级问题，并说明你的调试和优化过程
- 谈谈你对TensorFlow或PyTorch计算图执行和内存管理机制的理解
- 如何对一个深度学习模型进行性能剖析（profiling）并找到瓶颈？你会从哪些层面进行优化？
- 请解释CPU缓存层次结构对程序性能的影响，并举例说明如何编写缓存友好的代码
- 如果客户反映某AI模型在英特尔平台上运行效率不佳，你的排查思路是什么？
- 深入复习计算机体系结构、操作系统和编译原理的核心知识点，特别是与性能、内存、并行计算相关的部分
职位点评
Watch Jobs