2027校招-AI编译器工程师（上海/杭州/成都）

一、岗位定位 负责大模型推理 / 训练框架底层编译器的设计、开发与优化，将上层深度学习模型（Transformer / MoE / 多模态等）高效映射到 GPU、NPU、Ascend、CPU 等异构硬件，提升大模型在真实业务中的吞吐、延迟与资源利用率。 二、岗位职责 参与大模型编译器前后端开发：图级优化（算子融合、常量折叠、Layout 转换）、算子 Lowering、调度与内存规划。 负责面向 Transformer / Attention / MoE 等核心算子的底层代码生成与 kernel 性能调优（Tiling、流水线、双缓冲、量化等）。 对接主流编译基础设施（MLIR / LLVM / TVM / XLA / PyTorch 2.x Inductor 等），参与自定义 Dialect 与 Pass 的设计实现。 针对新一代 AI 加速硬件（NPU / GPU / ASIC）做编译器后端适配与指令级优化。 定位并解决大模型在编译、部署阶段的精度、性能与稳定性问题。 跟踪 IRON / mlir-aie、Triton、vLLM、SGLang 等前沿编译与推理技术，沉淀工具链能力。

本科及以上毕业生，计算机、软件、电子、数学、自动化等相关专业。 扎实的计算机系统基础：数据结构与算法、操作系统、计算机体系结构。 熟练掌握 C++（模板、并发），熟悉 Python；具备良好的工程编码与调试能力。 了解编译器基本原理（词法/语法分析、IR、优化 Pass），或具备以下任一方向基础： MLIR / LLVM 生态开发经验； TVM / XLA / TensorRT 等深度学习编译器使用与扩展； CUDA / ROCm / 昇腾 CANN / 自研 NPU 上的算子开发与性能优化。 熟悉至少一种深度学习框架（PyTorch 优先），理解训练与推理的基本计算图与算子语义。 有开源贡献、编译器 / 系统方向论文、相关竞赛或实习经历者优先。 四、加分项 在 MLIR 自定义 Dialect、Pass 流水线、codegen 方面有实际项目； 熟悉 ObjectFifo、CascadeFlow、Stream/circuit/packet flow 等底层数据传输与流式计算机制； 有 GEMV / GEMM、FlashAttention、量化（INT4/INT8/FP8）等算子手写优化经验； 熟悉一个或多个硬件后端（NVIDIA、AMD XDNA、华为昇腾、寒武纪等）的编程模型； 在系统 / 体系结构 / ML 顶会（OSDI、ASPLOS、MICRO、MLSys 等）有发表或复现经验。