ai芯片架构师岗位职责

base地可选北京、上海、杭州、深圳、香港

职位描述：
1.关注深度学习加速芯片的技术趋势和产业链发展方向；
2.配合下一代深度学习加速芯片的定义，并驱动关键技术的探索性研究；
3.配合承接公司在深度学习加速芯片的战略规划，横向拉通各技术部门，推动协同规划，推动预研项目的立项以及目标达成。

职位要求：
1.在一流IT或智能汽车企业中，具备8年以上芯片领域的研发经验，5年团队管理或架构师经验。
2.资深的计算机体系结构及数字电路知识：熟悉数字电路设计、集成电路设计等相关知识，有扎实的硬件设计基础；熟悉计算机体系结构、操作系统原理等相关知识，能够设计高效的指令集、内存管理及总线通信方案；熟悉功耗管理、散热设计以及布局布线等相关知识，能够设计低功耗、高性能的芯片架构。有AI推理芯片设计经验优先。
3.洞察芯片行业趋势并具备整合应用的能力：关注行业*新技术和趋势，持续推进芯片架构优化和创新，比如chiplet、RISC-V等技术；擅长做技术突破，具有一定高度的技术视野，注重不断观察思考业界*前沿的技术，能够挖掘技术增值点，并构建自己的技术主张。
4.洞察并探索AI前沿技术趋势: 能够判断并定义深度学习算法基础设施领域的技术演进趋势，具备前瞻性技术眼光;深入了解机器学习、深度学习等AI技术，掌握常见的算法和模型，能够根据不同场景选择*适合的计算模型，并确定芯片计算架构。

负责AI云端训推芯片前沿架构探索分析，架构定义，架构设计一直到执行落地实现；
结合公司战略，参与芯片路标规划；
与产品部门合作，收集客户市场需求，基于产品需求和技术发展前瞻趋势，共同设计有竞争力的产品架构和芯片架构；
与前后端合作，设计先进的高阶架构包括Chiplet/3DIC等方案，以及子系统架构；
与软件架构和ESL模型合作，共同设计完整的软硬件解决方案；
与硬件和封装合作，设计完整的硬件架构和工程实现方案。

我们正在寻找这些领域方向的高级/资深专家：
1. 高速IO系统架构，包括UCIe/PCIe/DDR；
2. 分布式互联，深入理解Scale Up/Out系统架构和芯片架构；
3. NoC总线，深入理解AI数据流定义NoC架构实现方案；
4. Memory系统架构，熟悉3DIC和近存计算优先；
5. ARM/RV AP系统架构，有自研CPU相关经验优先；
6. AI Compute Core架构，有高性能计算Core（NPU/GPGPU/CPU）相关经验优先；
7. CRG/低功耗架构，深入理解低功耗相关架构设计方法包括DVFS/AVS等；
8. Debug&Trace和RAS，聚焦芯片/整机/AI系统集群的可靠性算法和架构，以及AI云端芯片的debug&trace架构；
9. SoC集成设计和软硬架构，基于丰富的工程实现经验定义SoC集成设计架构，并参与软硬件系统架构方案设计；
10. SoC性能架构，丰富的性能分析和优化经验，和各模块系统配合完成性能分析和优化。

职业位要求：
1. EE/CS本科及以上学历，具有深入的计算机体系结构知识；
2. 8年以上芯片架构/设计经验，有AI等大算力芯片架构经验优先；
3. 富有丰富的IC设计实战经验，熟悉相关流程和工具方法；
4. 熟悉AI芯片的主流架构设计方法，对AI云端芯片类异构计算芯片架构有深厚的知识和经验；
5.具备数据中心基础设施部署方面的专业知识者优先；
6. 具有较强的创新能力，乐于接受挑战，较强的问题解决能力和优秀的团队合作精神。

加分项：
1. 熟悉Transformer架构，和其在训练/推理集群上的运行原理；
2.熟悉大模型算子设计和软硬件性能优化。

base地可选北京、上海、杭州、深圳、香港

职位描述：
1.关注深度学习加速芯片的技术趋势和产业链发展方向；
2.配合下一代深度学习加速芯片的定义，并驱动关键技术的探索性研究；
3.配合承接公司在深度学习加速芯片的战略规划，横向拉通各技术部门，推动协同规划，推动预研项目的立项以及目标达成。

职位要求：
1.在一流IT或智能汽车企业中，具备8年以上芯片领域的研发经验，5年团队管理或架构师经验。
2.资深的计算机体系结构及数字电路知识：熟悉数字电路设计、集成电路设计等相关知识，有扎实的硬件设计基础；熟悉计算机体系结构、操作系统原理等相关知识，能够设计高效的指令集、内存管理及总线通信方案；熟悉功耗管理、散热设计以及布局布线等相关知识，能够设计低功耗、高性能的芯片架构。有AI推理芯片设计经验优先。
3.洞察芯片行业趋势并具备整合应用的能力：关注行业*新技术和趋势，持续推进芯片架构优化和创新，比如chiplet、RISC-V等技术；擅长做技术突破，具有一定高度的技术视野，注重不断观察思考业界*前沿的技术，能够挖掘技术增值点，并构建自己的技术主张。
4.洞察并探索AI前沿技术趋势: 能够判断并定义深度学习算法基础设施领域的技术演进趋势，具备前瞻性技术眼光;深入了解机器学习、深度学习等AI技术，掌握常见的算法和模型，能够根据不同场景选择*适合的计算模型，并确定芯片计算架构。