2027校招｜AI芯片架构建模工程师 职位介绍 我们正在寻找对 AI 芯片、GPU 架构与高性能计算充满热情的同学。 在这里，你将使用 C++ 构建 GPU 的 Bit-Accurate Model 和 Cycle-Accurate Model，通过模型探索和验证芯片架构。你的工作将连接 AI workload、芯片架构、微架构、硬件实现、编译器与驱动，是芯片设计过程中承上启下的关键一环。 你不仅会“实现模型”，还将参与架构决策：分析真实 AI workload，定位性能瓶颈，评估不同设计方案，并推动架构和微架构持续优化。 如果你希望深入理解一颗 AI 芯片是如何从 workload 出发，经过架构设计、性能建模、软硬件协同，最终实现极致性能，这里将为你提供成长为全面芯片架构师的机会。 你将参与 使用 C++ 开发和维护 GPU 架构模型，包括功能模型、Bit-Accurate Model 与 Cycle-Accurate Model； 分析模型运行结果，定位功能与性能问题，评估架构设计取舍，并提出架构或微架构优化方案； 面向大模型、深度学习、图形渲染及高性能计算等 workload，开展特征分析、性能瓶颈定位和优化研究； 参与 GPU 计算、访存、片上互联、Cache、调度等核心模块的建模与架构探索； 开发和改进架构研究、性能分析、功耗评估及硬件验证相关工具； 设计功能、性能和功耗测试方案，构建具有代表性的测试用例与 workload； 与硬件设计及验证团队紧密合作，支持 RTL 功能验证、性能验证及问题定位； 与驱动、编译器和软件团队协作，通过软硬件协同提升芯片性能与开发效率； 跟踪 AI 算法、GPU 架构及计算机体系结构的发展趋势，探索下一代 AI 芯片架构。 我们期待你 硕士及以上学历，计算机、电子工程、微电子、集成电路、自动化、应用数学及相关专业； 具备良好的 C++ 编程能力，熟悉数据结构、算法及面向对象设计； 具备扎实的计算机基础，对计算机体系结构、并行计算或芯片设计有浓厚兴趣； 具备较强的问题分析和抽象建模能力，能够将复杂系统拆解并建立可验证的模型； 了解神经网络基本原理及常见 AI 算子； 具备良好的沟通、协作和快速学习能力，乐于探索复杂技术问题。 加分项 具备以下任意一项经验即可： 熟悉 CPU、GPU、NPU 或其他 AI 加速器架构； 了解流水线、Cache、内存系统、片上互联或任务调度机制； 有体系结构模拟器或性能模型开发经验，如 gem5、GPGPU-Sim 等； 有 CUDA、OpenCL、SIMD/SIMT 或并行程序开发经验； 熟悉 PyTorch、TensorFlow、ONNX、MLIR 等 AI 软件栈； 有编译器、驱动、性能分析或软硬件协同优化经验； 了解 Verilog/SystemVerilog，或有 RTL 仿真与验证经验； 了解计算机图形学，或有图形应用、渲染管线开发经验； 参与过体系结构、AI 系统、高性能计算相关项目、竞赛或研究。 你将获得 深入理解 AI 芯片从架构到微架构的完整设计过程； 参与真实 GPU 架构方案评估和芯片性能优化； 建立从 AI workload、性能建模到软硬件协同优化的系统能力； 与架构、硬件、编译器、驱动及算法团队开展跨领域协作； 在实际芯片项目中成长为具备全局视角的 AI 芯片架构师。