上海超维无际电子科技有限责任公司

岗位职责： 1. 参与构建面向 TPU / AI 芯片的性能模型，覆盖张量计算、systolic array、片上存储、NoC、片外内存、通信和调度等关键环节。 2. 基于不同建模对象，参与 analytical model、event-driven simulation、NoC flow-level modeling、packet-level simulation 等建模方法的设计与实现。 3. 分析大模型训练/推理中的典型负载，如 Prefill/Decode、Attention、MLA、MoE、MatMul、KV Cache、量化、集合通信等。 4. 协助建立 micro-benchmark、benchmark 和端到端 workload 分析方法，提取影响芯片架构设计的关键指标。 5. 参与性能模型与仿真器、原型系统或真实硬件数据的校准，提升模型准确性、可解释性和可复用性。 6. 与芯片架构、软硬协同、框架、算子优化和系统团队紧密合作，为下一代芯片架构定义提供量化依据。 任职要求： 1. 硕士或博士学历，计算机体系结构、计算机科学、电子工程、人工智能、数学、物理等相关方向。 2. 数理基础扎实，对吞吐、延迟、带宽、利用率、并行度、复杂度和瓶颈分析有良好直觉。 3. 熟悉 Python，能够进行建模、数据分析、自动化实验和工具开发。熟悉 C/C++ 更佳。 4. 理解计算机系统基础，包括处理器、存储层次、片上互联、片间互联、并行计算、通信和调度等概念。 5. 做事严谨，重视模型假设、边界条件、误差分析、数据质量和实验可复现性。 加分项 ： 1. 有 analytical modeling、event-driven simulation、NoC modeling、packet-level simulation、体系结构模拟器或系统仿真相关项目经验。 2. 了解 TPU / systolic array 架构，熟悉片上 buffer、tiling、数据复用、HBM 带宽分析等概念。 3. 熟悉 GPU/NPU/TPU/XPU 架构，或了解 HBM、NoC、PCIe、CXL、RDMA、Scale-up/Scale-out 互联、集合通信等技术。 4. 使用过 xprof、Nsight Systems/Compute、PyTorch Profiler、perf、火焰图等性能分析工具。 5. 有 MLPerf、LLM benchmark、分布式训练/推理系统分析经验。