上海协芯盛科技有限公司

上海协芯盛科技有限公司秋季校园招聘简章 公司简介 上海协芯盛科技有限公司成立于 2024 年，是一家专注于芯片设计服务与 AI Agent 技术融合的科技公司，总部位于上海张江。公司以 “ 利用 AI Agent 技术重构芯片设计流程 ” 为核心理念，业务覆盖后端芯片设计服务（ Design Service ）与自研 AI Agent 平台两大板块。 公司核心成员来自清华大学、北京大学、复旦大学等高校，并汇聚了曾就职于英伟达、华为海思、蔚来、 AMD 等科技与半导体企业的资深人才。创始人朱珠女士为北京大学微电子专业硕士，曾任 Nvidia methodology team 与 Oppo flow team 负责人；联合创始人唐明伟先生为东南大学微电子专业硕士，曾任职于 TSMC 、 Cadence/Ansys 及 SMIC 。核心团队平均拥有 15 年以上芯片研发经验，具备 7nm/5nm/3nm 先进工艺节点的实际流片经验，累计参与过上百颗超大规模芯片的量产项目。 大股东长鑫存储， 公司已 获取多轮 投资。 招聘对象 2027 届本科、硕士、博士应届毕业生，往届生 开放岗位 一、 数字后端设计工程师（工作地点：上海、合肥） 岗位职责： 1. 负责数字后端设计从 netlist 到 GDS 的全流程工作，包括布局布线以及时钟树的综合 2. 与前端设计团队紧密合作，确保设计模块的物理可实现性 3. 针对后端设计流程进行时序和拥塞分析，从实现角度优化芯片面积和功耗 4. 负责数字芯片各种 sign-off 工作： STA/IR/EM/PV 任职要求： 1. 微电子相关专业本科及以上学历 2. 熟练使用 shell/tcl/perl/python 脚本语言 3. 拥有数字后端项目设计经验，熟悉 RTL 到 GDS 整个流程 4. 具有 28nm/16nm/7nm 经验，有先进工艺经验者优先 5. 具有良好的沟通能力和团队合作精神 二、 模拟芯片版图工程师（工作地点：上海、合肥） 岗位职责： 1. 负责模拟 / 数模混合芯片模块级版图设计，包括布局布线、匹配与寄生优化； 2. 在资深工程师指导下，完成模块级 Floorplan 、 DRC/LVS/ERC/PEX 验证及基础问题修复； 3. 配合电路设计工程师完成版图性能优化与设计迭代； 4. 跟进芯片流片及测试验证相关基础工作； 5. 参与设计规范与 checklist 文档的整理与沉淀。 任职要求： 1. 微电子、电子工程、集成电路及相关专业本科及以上学历 2. 具备模拟电路 / 半导体物理基础理论知识，了解 CMOS 工艺流程 3. 了解版图设计基本方法，熟悉器件匹配、噪声隔离、 ESD/Latch-up 等基础概念 4. 了解 Cadence Virtuoso 版图设计工具及 Calibre 验证工具的使用 加分项： 1. 有模拟 / 混合信号版图相关课程项目或流片经历者优先； 2. 了解基础模拟模块（ Bandgap 、 LDO 、 OPA 、 ADC/DAC ）版图设计者优先； 3. 熟悉 Linux 基本操作，了解 Tcl/Python/Shell 脚本者优先。 三、算法研究工程师（ Research Engineer）（工作地点：上海） 岗位职责 1. 面向 PnR 场景中的优化、搜索与智能决策问题，开展问题定义、数学建模、算法研究和工程实现。 2. 与领域工程师合作，识别影响实际效果的关键问题，明确目标函数、约束条件、数据需求及评价指标，将工程需求转化为可研究、可验证的算法问题。 3. 根据问题特点，研究并应用凸优化、非凸优化、机器学习、深度学习、强化学习及搜索等方法，选择或设计合理的求解方案。 4. 面对问题定义不完整、数据有限、搜索空间巨大或缺乏标准解法的开放性问题，独立提出研究假设、设计技术路线，并根据实验结果持续修正和迭代。 5. 建立合理的实验基线，开展对照实验、消融分析和误差分析，评估算法效果、稳定性、计算开销及适用边界，保证结论可靠、实验可复现。 6. 跟踪相关领域的前沿研究，实现可复用的算法原型和模块，与其他研发人员协作，将研究成果应用于实际工程流程。 任职要求 1. 相关理工科专业硕士及以上学历，不限定 AI 或计算机背景，特别优秀者可适当放宽。 2. 具备扎实的科研训练和独立研究能力，在本人研究方向形成过深入积累，能够清楚说明代表性工作的核心问题、个人贡献、方法选择依据及实验结论。 3. 在 IEEE / ACM Transactions、本人研究领域的知名期刊，或公认的国际会议发表过高质量研究成果。不限定学科方向，重点考察研究质量、问题难度及个人贡献。 4. 具有扎实的数学基础，熟悉线性代数、概率统计、数值计算及优化理论。 5. 熟练掌握凸优化与非凸优化的主要方法，能够分析实际问题的目标、约束、求解难点及算法性质，并结合问题规模和计算预算选择或设计求解方法。 6. 熟悉主流机器学习、深度学习与强化学习方法，能够判断其适用条件；了解图神经网络（GNN）及图表示学习的基本原理、建模方式和典型应用场景。 7. 具备较强的问题抽象、数学建模和实验设计能力，能够在缺乏现成标准答案或完整 benchmark 的条件下独立探索问题，提出可检验的假设并验证技术方案。 8. 熟练使用 Python 及主流数值计算或深度学习框架，具备良好的软件工程素养，能够将研究思路转化为可测试、可复现、可维护的代码。 加分项 1. 具有跨学科、交叉研究或多领域合作经历，能够将原有领域中的数学、优化、建模或学习方法迁移到新的工业问题。 2. 具有贝叶斯优化、数值优化、最优控制、运筹学、计算物理、可微仿真等方向的深入研究或实践经验。 3. 熟悉 PnR Flow 及相关优化问题，或有时序、拥塞、功耗等优化算法的研究与开发经验。 4. 有从零定义问题并形成算法系统或工业解决方案的经历，能够说明算法从研究原型走向实际应用时，在效果、稳定性和计算成本方面的工程取舍。 5. 具备成熟的 AI 辅助研发实践，能够将优秀的软件工程素养迁移到 AI 工具的日常使用中： （ 1）信息获取与消化：借助 AI 高效完成文献检索、领域调研、代码阅读和跨学科知识学习，能够核验来源、理解方法假设与适用条件，并形成独立判断。 （ 2）快速实现与迭代：借助 AI 快速实现算法原型、复现方法、构建实验并迭代方案，同时落实模块设计、代码审查、测试验证和版本管理，保证实现正确性、科研严谨性与实验可复现性。 四、 Agent开发工程师（工作地点：上海） 工作职责： 1. 参与构建 Agentic P&R Flow ，推动数字后端流程的自动化、智能化改造 2. 设计与实现 Agent 工作流，包括任务规划、子任务拆解、工具调度、知识检索整合 3. 开发基于 LangChain/LangGraph 的 Agent 系统 4. 构建高质量的 RAG 系统（尤其是 GraphRAG ），整合内部知识库与设计规范 5. 开发 MCP 工具，与业务系统及 EDA 工具链实现深度链接 6. 基于向量数据库与图数据库实现高效知识管理、查询及图谱构建 任职要求： 1. 软件工程、计算机科学、微电子、电子工程或相关专业背景 2. 熟练掌握 LangChain/LangGraph 等主流 Agent 框架，有实际项目经验 3. 熟悉 RAG 技术体系，尤其是 GraphRAG 、向量检索、图谱构建及知识增强策略 4. 理解 MCP （ Model Context Protocol ）并具备工具开发经验 5. 熟悉 Agent 工作流范式（ AutoGPT 、 ReAct 、 Reflexion 、 Tree-of-Thoughts 等） 6. 至少使用过一种向量数据库（ Milvus/FAISS/ChromaDB ） 7. 至少使用过一种图数据库（ Neo4j/ArangoDB 等） 8. 掌握 Prompt Engineering 、 Context Engineering 9. 熟练掌握 Python 加分项： 1. 熟悉数字后端设计流程（布局布线、时序分析、功耗优化等） 2. 具备 Innovus 、 ICC2 、 OpenROAD 等 P&R 工具使用经验 3. 了解先进工艺节点（ 7nm/5nm/3nm ）的设计挑战 4. 了解大模型微调 5. 熟悉 Python GUI 或 Web UI 开发工具（ PySide 、 Gradio 、 Streamlit 等） 五、 后训练工程师（ LLM Post-training Engineer） （工作地点：上海） 岗位职责 1. 负责公司大模型的领域适配与后训练，围绕领域推理、代码生成、工具调用和多轮任务执行能力，建设并持续迭代 Model Flywheel，形成“数据构建—后训练—独立评测—部署验证—反馈回流”的模型改进闭环。 2. 建设训练数据生产流程，采集和整理领域资料、专家示范、真实任务轨迹及使用反馈，完成数据清洗、去重、标注和质量筛选，管理数据来源与版本，做好训练和评测数据隔离。 3. 设计合成数据、Agent Rollout 和轨迹筛选流程，构建指令数据、偏好数据及可验证任务；结合失败案例、任务覆盖度和难度分布，优化数据配比、采样策略及训练课程。 4. 根据业务目标和数据条件，制定并实施 SFT、偏好优化、RLHF / RLVR 及蒸馏方案，完成训练设计、实验验证和模型迭代，分析不同数据与训练策略对实际任务表现的影响。 5. 与领域工程师合作，构建和接入任务环境、奖励函数及验证器，将工具执行结果、任务完成情况和结果质量转化为训练反馈；结合真实任务的执行成本与反馈周期，处理奖励偏差、奖励投机及稀疏或延迟反馈等问题。 6. 基于成熟框架建设和扩展后训练工具链，打通分布式训练、Rollout、奖励计算、权重同步、评测及模型导出流程，持续改善训练稳定性、吞吐、显存利用率和实验成本。 7. 建设面向实际任务的自动化评测与回归测试体系，评估任务成功率、结果质量、泛化能力、工具调用可靠性及执行成本，验证模型改进并识别能力回退。 8. 结合训练指标、独立评测和真实任务失败案例开展归因分析，区分数据、模型、训练策略、工具及环境问题，将结论转化为下一轮数据与训练方案，通过对照实验验证迭代收益。 任职要求 1. 计算机、人工智能、数学或相关专业硕士及以上学历，特别优秀者可适当放宽。 2. 具有扎实的深度学习和强化学习基础，深入理解 Transformer 及大模型训练、推理机制；熟练使用 Python、PyTorch 和 Hugging Face 生态，具备阅读、修改和调试训练源码的能力。 3. 具备完整的大模型后训练项目经验，实际承担过数据构建、SFT、偏好优化、强化学习后训练及评测迭代，能够独立完成方案设计、训练调试、效果验证和模型交付。 4. 熟练掌握监督微调、偏好优化和强化学习后训练方法，深入理解 DPO、PPO、GRPO 等代表性算法的目标函数与优化机制，以及策略梯度、优势估计、重要性采样、KL 约束等关键概念；具备 RLHF / RLVR 和模型蒸馏实践，能够判断不同方法对数据、奖励信号及采样方式的要求与适用条件。 5. 掌握全参数微调与 LoRA 等参数高效微调方法，能够正确处理分词与对话模板、序列拼接、Loss Mask、截断及多轮工具调用轨迹，理解数据组织、训练目标和实现细节对模型行为的影响。 6. 熟练掌握完整的后训练工具链：在 verl、OpenRLHF 等后训练框架，vLLM、SGLang 等推理与 Rollout 引擎，以及 FSDP、DeepSpeed、Megatron 等分布式训练方案中，各具备至少一种深入实践经验，能够按任务需求修改和扩展相关流程。 7. 具备多 GPU 训练与推理经验，理解常见并行策略、参数与优化器状态分片、混合精度及梯度检查点等机制；能够结合模型规模、上下文长度和硬件资源选择合理配置，定位显存、通信及吞吐瓶颈。 8. 具备训练数据、偏好数据、奖励函数及验证器的设计能力，能够将业务目标转化为可学习的训练任务和可检验的评价标准，做好数据质量控制与评测隔离，识别数据泄漏、奖励偏差和评测污染。 9. 具备系统的实验设计和训练诊断能力，能够结合 Loss、奖励、KL、熵、梯度统计及任务表现定位问题，处理训练不稳定、策略退化、奖励投机及训练与采样不一致等情况，并通过未见任务和独立评测验证实际改进。 10. 具备优秀的软件工程素养，重视模块设计、自动化测试，以及数据、代码、配置和模型版本管理，能够构建可测试、可追溯、可复现的训练与评测流程。 加分项 1. 有真实业务场景中的持续、多轮模型迭代经验，能够说明数据策略、训练方法与模型效果之间的关系，并提供可复现的任务效果或成本改进结果。 2. 在长程任务信用分配、异步强化学习、训练与推理一致性、分布式训练或推理性能优化等方向有深入研究或实质性工程改进经验。 3. 对大模型训练、推理或后训练框架有实质性开源贡献，或独立实现并验证过相关算法及关键模块。 4. 在 IEEE / ACM Transactions 或公认的国际会议和期刊上发表过高质量论文。 5. 熟悉 PnR Flow、相关 EDA 工具及实际任务评价方式。 6. 具备成熟的 AI 辅助研发实践，能够将优秀的软件工程素养迁移到 AI 工具的日常使用中： （ 1）信息获取与消化：借助 AI 高效检索和消化论文、技术报告、开源项目与训练代码，能够核验来源、理解技术细节并形成独立判断。 （ 2）快速实现与迭代：借助 AI 快速完成数据处理、训练、评测及原型系统的开发与迭代，同时落实模块设计、代码审查、测试验证和版本管理，对代码质量、实验正确性及最终技术判断负责。 六、工具与客户端开发工程师（工作地点：上海） 岗位职责 1. 面向公司内部的日常工具使用需求，开发和维护小型工具、自动化脚本及辅助功能，解决数据处理、配置生成、日志分析、结果对比等实际问题。 2. 负责现有 PnR Flow 及配套工具链的维护、扩展和重构，在理解既有流程和使用约束的基础上完善功能、改善代码结构，保证流程的正确性、兼容性和稳定性。 3. 负责面向用户的 UI 与客户端应用开发，将工具功能和流程操作转化为清晰、易用的界面，实现参数配置、任务操作、运行状态及结果展示等功能。 4. 参与界面与交互设计，梳理用户任务、操作流程、信息层级和交互状态，持续改善工具的易用性与操作效率。 5. 实现客户端的异步调用、后台任务及界面状态管理，避免耗时操作阻塞界面，正确处理进度展示、任务取消、错误提示和异常恢复。 6. 与需求提出方及 PnR 工程师持续沟通，完成需求确认、功能实现、测试、跨平台打包部署及后续迭代。 任职要求 1. 计算机、软件工程或相关专业本科及以上学历。 2. 熟练掌握 Python、TypeScript / JavaScript、Dart、C\C++ 等至少一种编程语言，具备工具开发、脚本编写、代码阅读和独立排障能力。 3. 具备扎实的软件工程基础，重视模块边界、代码质量、测试和文档，能够维护和重构已有代码库，并通过测试验证功能与行为的兼容性。 4. 熟练使用 Angular、React、Vue、Flutter 中至少一种，熟悉组件化开发、界面状态管理和事件处理，能够独立完成具有一定复杂度的 UI / 客户端开发。 5. 掌握异步与并发编程，理解事件循环、线程、进程及常见并发控制机制，能够正确处理后台任务、共享状态、任务生命周期和异常情况。 6. 具备实际的跨平台应用开发、打包和部署经验，能够处理不同操作系统下的运行环境、依赖及兼容性问题。 7. 具备良好的美学素养和视觉判断力，重视界面布局、信息层级、字体排版、视觉一致性及交互反馈，能够识别并改善页面拥挤、层级不清、操作反馈不足等体验问题。 8. 具备良好的需求理解和沟通能力，能够围绕真实使用场景交付功能，合理处理功能需求、实现成本与后续维护之间的取舍。 加分项 1. 熟悉 PyQt、PySide 等跨平台 GUI 框架，能够快速实现工具原型。 2. 有客户端应用设计或交互逻辑设计经验，能够独立完成用户流程梳理、界面原型和交互状态设计，并清楚说明设计依据。 3. 有 Electron、Tauri、Qt、Flutter Desktop 等桌面客户端开发经验。 4. 熟悉 PnR Flow 及相关 EDA 工具，或有 Linux 环境下 Python、Tcl、Shell 工具脚本及既有工具链的维护、扩展和重构经验。 5. 具备成熟的 AI 辅助研发实践，能够将优秀的软件工程素养迁移到 AI 工具的日常使用中： （ 1）信息获取与消化：借助 AI 高效完成技术检索、资料学习、方案调研和代码阅读，能够核验来源、交叉验证、理解关键细节并形成独立判断。 （ 2）快速实现与迭代：借助 AI 快速完成原型开发、测试、重构和功能迭代，同时保持清晰的需求与模块边界，落实代码审查、测试验证和版本管理，对最终代码质量及结果正确性负责。 七、 软件工程师（实习 ·可转正）（工作地点：上海） 工作职责： 1. 参与产品的讨论和开发，编写相应模块的设计文档和测试需求文档 2. 完成 EDA 软件相关模块核心代码的编写 3. 调试和诊断代码，优化产品性能 4. 按照编码规范进行 Code Review 任职要求： 1. 本科及以上学历在读（ 2027 届 /2028 届优先） 2. 了解 Linux ，掌握至少一门编程语言（ C++/Python/TCL/Perl/Shell ） 3. 熟练掌握数据结构、常用算法 4. 熟悉面向对象软件设计思想 5. 具有良好的英文阅读和书写能力 加分项： 1. 了解原理图、版图或布局布线者优先 2. 了解编译和 QT GUI 者优先 3. 了解静态时序分析、功耗分析者优先 4. 熟悉常用机器学习算法者优先 联系方式 联系人：贾智渊 公司全称：上海协芯盛科技有限公司 简历投递 ： zy.jia@shinechip.net 公众号：协芯盛