蚂蚁金服蚂蚁集团-芯片架构-计算核（FHE/AI/CPU）-北京/上海【蚂蚁密算】

岗位职责： 1. 研究分析模型算法和关键benchmark，分析算法需求，对模型在NPU上进行部署的性能进行评估和校准，为算法和NPU的协同优化提供数据和方案。 2. 对NPU架构及微架构进行建模，实现对NPU架构微架构的探索评估和优化，协同设计团队优化PPA，提升芯片的计算效率和能效比。 3. 针对多核大算力场景的特定需求，进行benchmark的性能分析和优化，确保benchmark性能的线性提升。 4. 通过开发API，脚本，自动化工具等方法进行性能评估的优化迭代，帮助提升开发效率 5. 与算法团队、硬件团队和工具链团队紧密合作，确保模型算法在NPU上的高效部署

本职位旨在领导和管理SoC的硬件原型验证平台（如基于FPGA或Emulation系统），确保为芯片系统级验证（System Validation）和早期软件开发（Software Bring-up）提供高效、稳定且功能完备的开发基座。对原型平台的资源策略、技术实现及团队能力建设负全面责任。 一、 原型资源战略规划与环境管理 1. 资源评估与基础设施建设：负责硬件原型验证资源（包括Cadence Palladium、Synopsys Zebu、或特定FPGA原型板如HAPS等）的技术评估、容量规划与预算管理。主导**原型验证环境（Prototyping Lab）**的搭建、维护与优化，确保原型平台资源（如功耗、散热、稳定性）高效且持续地满足项目各个阶段的验证需求。 2. 跨项目协同与资源调度：建立有效的原型资源调度机制，优化不同设计与验证团队之间的资源分配，提升原型平台的利用率与周转效率。 二、 平台移植、交付与架构演进 1. 多平台移植架构设计：规划并设计多个代际/功能原型平台（通常为2-3个并行平台）的架构移植方案、功能裁减策略和资源映射。重点关注关键子系统（如PCIe接口、DDR内存控制器、AI计算核阵列）在原型环境中的准确实现和性能匹配。 2. 版本控制与质量交付： 全面负责**原型平台的周期性交付（Version Release）**管理，确保平台版本的稳定性和可追溯性。 领导团队进行复杂硬件/软件协同问题的快速定位（Debugging）和系统级故障排除，确保原型平台的交付质量。 三、 团队能力建设与流程优化 1. 流程与规范建设：制定并完善原型平台开发、集成、测试和维护的标准化操作流程（SOP）和技术规范，提升团队的协作效率和可重复性。 2. 任务管理与绩效提升：负责团队的任务优先级划分、资源分配与进度跟踪。通过定期的技术复盘（Post-Mortem Analysis）和知识分享，推动团队成员在原型技术、调试方法及系统架构理解方面的专业成长。

本职位旨在领导和管理SoC的硬件原型验证平台（如基于FPGA或Emulation系统），确保为芯片系统级验证（System Validation）和早期软件开发（Software Bring-up）提供高效、稳定且功能完备的开发基座。对原型平台的资源策略、技术实现及团队能力建设负全面责任。 一、 原型资源战略规划与环境管理 1. 资源评估与基础设施建设：负责硬件原型验证资源（包括Cadence Palladium、Synopsys Zebu、或特定FPGA原型板如HAPS等）的技术评估、容量规划与预算管理。主导**原型验证环境（Prototyping Lab）**的搭建、维护与优化，确保原型平台资源（如功耗、散热、稳定性）高效且持续地满足项目各个阶段的验证需求。 2. 跨项目协同与资源调度：建立有效的原型资源调度机制，优化不同设计与验证团队之间的资源分配，提升原型平台的利用率与周转效率。 二、 平台移植、交付与架构演进 1. 多平台移植架构设计：规划并设计多个代际/功能原型平台（通常为2-3个并行平台）的架构移植方案、功能裁减策略和资源映射。重点关注关键子系统（如PCIe接口、DDR内存控制器、AI计算核阵列）在原型环境中的准确实现和性能匹配。 2. 版本控制与质量交付： 全面负责**原型平台的周期性交付（Version Release）**管理，确保平台版本的稳定性和可追溯性。 领导团队进行复杂硬件/软件协同问题的快速定位（Debugging）和系统级故障排除，确保原型平台的交付质量。 三、 团队能力建设与流程优化 1. 流程与规范建设：制定并完善原型平台开发、集成、测试和维护的标准化操作流程（SOP）和技术规范，提升团队的协作效率和可重复性。 2. 任务管理与绩效提升：负责团队的任务优先级划分、资源分配与进度跟踪。通过定期的技术复盘（Post-Mortem Analysis）和知识分享，推动团队成员在原型技术、调试方法及系统架构理解方面的专业成长。

负责设计和构建自研NPU编译器及工具链的核心架构；特别是跨模块接口设计、硬件抽象定义、编程模型设计、关键性能考量等方面。 1、编译器架构设计：聚焦于编译器（包含运行时）各模块间的接口设计。 硬件抽象定义：定义合理的NPU硬件抽象，在跨平台和发掘硬件效率之间找到最佳平衡。 2、开发者界面定义：定义编程模型和工具链界面，提升自定义算子开发和模型适配效能。 3、前沿技术研究：跟踪编译器技术（如MLIR、LLVM）、AI芯片架构及深度学习框架的最新进展，探索创新性解决方案。