蚂蚁金服蚂蚁集团-编译器开发工程师（全同态/AI编译器方向）-北京/上海
任职要求
1.、计算机科学、软件工程、数学或相关领域的硕士及以上学历。 2.、3年以上编译器开发或相关领域的工作经验，有全同态加密或AI编译器开发经验者优先。熟悉LLVM、MLIR或其他主流编译器框架，具备实际项目经验。 3、精通C/C++、Python等编程语言，熟悉编译原理和编译器优化技术。对全同态加密算法或AI模型的计算特点有深刻理解，能够针对性地优化编译器和算子。熟悉高性能计算（HPC）技术，了解GPU、TPU等硬件加速平台的开发和优化方法。具备DSL设计经验，能够快速实现高效且易用的领域特定语言。 4、出色的问题分析和解决能力，能够在复杂场景下快速定位问题并提出解决方案。良好的团队合作精神，善于沟通和分享技术经验。对新技术充满热情，具备较强的学习能力和创新意识。 加分项： 1、在顶级学术会议发表过相关论文。拥有全同态加密或AI编译器相关的开源项目贡献经验。 2、熟悉PyTorch、TensorFlow、JAX等主流深度学习框架的内部实现。
工作职责
1、全同态/AI编译器开发：设计并实现高效的编译器框架，支持全同态加密或AI模型的自动编译与优化。开发编译器前端、中间表示（IR）及后端，确保编译器能够高效处理复杂的数学运算和加密逻辑。优化编译器性能，提升生成代码的执行效率和资源利用率。 2、算子DSL设计与实现：设计并实现领域特定语言（DSL），用于描述全同态加密或AI算子的数学表达式和计算流程。确保DSL具备良好的可扩展性，支持多种硬件平台和算法需求。提供清晰的DSL接口文档和开发者工具链，降低用户使用门槛。 3、算子优化：针对全同态加密或AI算子进行深度优化，包括但不限于内存访问模式、并行化策略和硬件加速。分析现有算子的性能瓶颈，提出并实施优化方案，显著提升计算效率。探索新型算法和硬件架构（如GPU、TPU、FPGA等）在算子优化中的应用。 4、跨团队协作：与算法团队、硬件团队及产品团队紧密合作，确保编译器和算子优化方案满足实际业务需求。参与技术讨论和代码评审，推动团队技术水平的整体提升。 5、技术研究与创新：跟踪全同态加密和AI领域的最新研究成果，探索其在编译器优化中的潜在应用。发表相关技术论文或专利，提升公司在行业内的技术影响力。
岗位职责 1. 全链路AI基建开发 * 构建在线模型编排（Model Orchestration）能力，优化百万核级规模模型的资源调度、稳定性治理及跨系统复用。 * 主导特征工程平台（RedFeatureStore）建设，打通离线/在线数据一致性，支持超长序列建模、高商业价值特征探索等场景。 * 设计高性能推理引擎（RankML/RetrievalML），覆盖广告粗排、精排、创意优选等核心链路，实现算力与延迟的极致优化。 2. 下一代AI技术落地 * 推动GPU推理、AI编译器优化（算子融合/自动调优）、边缘存储等技术的深度应用，提升服务性能。 * 探索LLM、RAG、Agent技术在广告场景的应用，重构创意生成、相关性建模等业务的工作流。 3. 工程效能与稳定性 * 主导C++服务框架、容器化、混部资源优化，解决高并发场景下的长尾延迟、CPU利用率等核心问题。 * 构建自动化诊断工具链，提升复杂系统的可观测性与故障恢复效率。
1.研究构建架构自适应编译系统：基于llvm开发SIMT自动向量化框架与ML驱动的循环优化模块； 2.设计指令集-编译器协同方案：制定SIMT混合指令编码规范，开发编译器性能优化策略； 3.建立全栈验证体系：构建从语言级并行模式→中间表示优化→指令流水线映射的三层性能分析平台，实施软硬件协同调优； 4.分析业界领先的编程语言、指令集架构、编译器架构。 【课题名称】 面向通用计算架构与AI专用领域的智能编译优化技术研究 【课题内容】 研发面向异构计算的编译技术体系，构建""语言设计-编译优化-指令集""垂直协同架构： 1. 设计类CUDA编程语言，融合多级并行原语与显式内存管理，实现从高阶语义到LLVM IR的映射框架； 2. 开发智能编译引擎，创新指令调度与SIMT向量化策略，集成ML驱动的参数自适应机制； 3. 定义可扩展指令集架构，支持VLIW/SIMT混合执行模式与定制化运算指令，构建编译器-芯片联合优化体系。 通过编程语言抽象表达并行模式、编译中间层实施架构感知优化、指令集层实现硬件特性映射的三层联动，形成软硬件深度协同的高性能计算架构。
职位描述 1. 车端调试工具开发：负责智驾系统车端 Android 调试工具的全流程开发（需求分析→设计→实现→落地），重点开发传感器数据（摄像头图像、雷达点云等）实时监测功能，确保数据展示精准、低延迟；针对车辆震动、高低温等特殊环境，优化工具稳定性，避免卡顿、闪退等问题。 2. 工具链集成与优化：参与车端工具链搭建与维护，优化 Android 相关的编译、打包流程；开发与工具链适配的 Android 应用，实现与代码编辑器、版本控制系统的无缝对接（如车端代码版本差异查看、修改提交）；解决工具链在多品牌车载 Android 设备上的兼容性问题。 3. 跨团队协作与需求落地：联动智驾算法、硬件团队，理解调试工具需求（如模型训练数据采集、异常日志导出），将复杂智驾功能转化为易用的调试界面；配合测试团队制定测试方案，针对功能、性能问题（如内存泄漏）进行定位修复，持续迭代工具体验。
1. 研发下一代AI驱动的软件工程范式 - 构建面向移动端及嵌入式OS的智能编程系统，探索LLM在代码生成、架构设计、静态分析及测试用例生成等全流程的自治能力； - 研发智能编程辅助系统，实现需求文档→技术方案→代码实现→测试验证的端到端闭环开发。 2. 构建软件工程Agent体系架构 - 设计具有记忆、规划与工具调用能力的多智能体框架，实现复杂功能开发的自主决策与执行； - 开发基于强化学习的Agent协作机制，优化代码质量、构建成功率等核心指标。 3. 研发超大规模代码检索增强生成系统 - 设计高效的多粒度代码索引结构与语义检索框架，实现亿级代码片段的高精准召回与排序； - 研发代码知识库与LLM深度融合的混合检索技术，提升复杂项目上下文理解与跨文件依赖分析能力。 4. 微调和评估软件工程领域专用模型 - 针对IDE补全、对话等场景微调专用小参数大模型，提升代码生成率； - 评估大模型在特定软件工程领域的能力，针对具体研发场景选择适合的模型。 5. 前沿技术探索与专利布局 - 跟踪代码大模型、程序分析、AI软件工程等领域国际顶会（ICSE/PLDI/NeurIPS等）最新进展； - 主导技术创新点的专利撰写与学术论文产出。 【课题名称】 AI智能软件开发系统研究 【课题内容】 构建下一代AI驱动的智能软件开发系统 1. 面向移动端OS的智能编程系统； 2. 构建软件工程Agent系统； 3. 研发超大规模代码检索增强生成系统。