小鹏汽车AI编译器&模型优化实习生
任职要求
1、27届-28届毕业的同学，计算机/电子工程等相关专业，硕士及以上在读； 2、扎实的系统与工程能力：精通C++/Python，扎实掌握数据结构与算法，能高质量实现高性能算子或底层系统组件； 3、AI编译器基础：熟悉MLIR/TVM/XLA/IREE等编译框架，了解计算图优化、算子融合、内存复用等关键技术； 4、模型理解：熟悉LLM/VLM/扩散模型等主流架构，理解其计算模式对编译优化的需求；熟悉常用的大语言模型优化和压缩算法，比如量化，剪枝，稀疏化。 【…
工作职责
1、参与面向大模型与物理AI场景的AI编译器研发，优化计算图表示、算子融合与内存调度策略； 2、针对自研AI芯片进行算子定制与性能调优，实现端到端推理与训练加速； 3、设计并实现自动代码生成工具链，支持多后端（GPU/NPU/CPU）的高效算子发射； 4、调研SOTA大语言模型的压缩和加速算法，并针对小鹏的模型结构做优化和实现； 5、与算法、芯片团队深度协作，推动编译优化在百万级量产环境中的稳定落地。
岗位职责： 1.负责设计、开发和维护DSA架构下的NPU编译器工具链，确保其高效稳定运行。 2.扩展和优化深度学习框架（包括TensorFlow、PyTorch、ONNX等）的支持能力，提升AI模型兼容性。 3.负责计算图优化，包括各种网络的常见通用优化以及针对硬件平台的优化。 4.优化编译器工具链中的各种算法，以提高编译质量和执行效率。 5.与芯片设计团队及软件开发团队紧密合作，进行系统层面的编译器性能调优。 6.对开源编译器框架TVM/LLVM(MLIR)进行二次开发，以满足自驾业务需求。
1. 下一代AI编译器架构设计与研发：主导AI芯片编译器的核心方案设计与开发实现，聚焦于软硬件协同优化，挑战极致的硬件资源利用率与高能效比（Energy Efficiency）。 2. LLM驱动的编译器前沿探索：结合大语言模型（LLM）与智能体（Agent）技术，探索自动代码生成、智能算子融合及自动化性能调优等前沿课题，构建“AI辅助AI编译”的下一代智能工具链。 3. 软硬协同的系统级优化：深度融合前沿AI算法（如大模型推理/训练）、底层硬件架构与业务产品需求，打通从算法到芯片的端到端编译优化链路。 4. 极致性能与功耗分析：主导复杂模型在真实场景下的性能瓶颈剖析，建立深度的性能与功耗分析模型，研发并落地系统级的极致优化策略。 5. 编译器技术演进与生态建设：保持对业界顶尖编译器（如TVM, MLIR, Triton等）及LLM前沿动态的敏锐嗅觉，规划并引领自研AI编译器的技术演进路线图。
【部门介绍】引擎架构部提供小红书搜广推，CV和NLP业务的深度学习模型高性能推理服务。主导SOTA推理引擎的架构设计与核心模块开发，支撑搜广推业务在长序列建模、生成式推荐、Agent等前沿场景在GPU，XPU等异构计算部件上规模落地。 1. 参与推理引擎的架构设计与核心模块的开发，参与AI编译器前后端的设计与实现，优化IR Compile模式下DSL特征处理引擎和AI推理引擎的性能。 2. 分析I/O性能瓶颈、优化编译耗时和codegen性能，改进编译优化算法，不断优化编译器，解决编译部署问题。 3. 优化IR Compile模式下搜广推、长序列、多模态、MoE等深度学习模型的推理效率。 4. 针对GPU/NPU等异构计算芯片，探索基于IR编译优化的片内多部件并行流水线等前沿技术，构建业界影响力。
1、从事RISC-V CPU 编译器的研发工作，包括编译器架构设计、优化遍开发、应用程序性能分析调优等工作； 2、基于 MLIR + Linalg 框架，提升编译器代码块执行效率； 3、参与图优化、后端代码生成、调度策略、指令优化、流水并行化相关优化工作； 4、研究和优化 Kernel 计算性能，降低计算开销，提高吞吐率； 5、研究算子融合（Op Fusion）、自动调优（Auto-Tuning）、代码生成（CodeGen）相关优化策略； 6、与硬件团队、AI 框架团队（如 PyTorch）协作，提升 AI 编译器的支持能力； 跟踪 LLVM、Triton、TVM、XLA、TorchInductor 等 AI 编译器前沿技术，优化编译性能。