网络技术研究员 - 网络芯片技术

研究方向可根据个人专长选择以下任一方向深入开展： 1、从事网络设备中转发各领域关键技术研究，包括查找算法、流量管理算法、交换算法、测量算法等，在软件、硬件、算法、设备形态等领域进行创新性研究，支撑下一代网络设备的发展； 2、从事网络数据面AI算法的相关研究，包括高吞吐低时延流量AI分析引擎、线速AI业务质量感知和调优、高性能数据面AI防御、AI驱动转发加速技术等； 3、从事芯片体系结构与加速方案研究：针对多核芯片架构，分析网络设备典型应用的功能与性能表现，探索现有芯片平台下的高效实现路径；研究SoC系统架构，包括传统CPU体系结构与新兴DSA的异构集成，开展芯片内部存储与互联架构的建模、仿真与性能调优；深入探索CPU内核技术，包括指令集高效利用、数据面与控制面协同优化的微架构设计；基于软硬件协同的异构加速方法，提出创新性算法和系统优化方案； 4、从事AI模型在异构计算平台上的加速与优化：针对GPU/FPGA/NPU/PIM等异构计算平台，设计AI训练/推理流程的加速方案，提升其在多种硬件环境下的执行效率；进行AI模型的移植与适配，推动模型在异构平台上的高效运行，包括量化、剪枝等优化处理；应用性能分析工具对系统运行进行调优，与芯片团队协作推动软硬件协同优化；跟踪AI加速与异构计算领域的技术发展趋势，参与前沿技术研究与落地创新。

1、计算机科学与技术、软件、通信工程、人工智能、数学、统计学、电子科学与技术、网络安全、网络协议、控制工程等相关专业； 2、具有较强的数学建模和抽象能力，能够灵活用算法解决实际问题； 3、编程能力良好，掌握Matlab/Python/C/C++中的一种编程语言； 4、具有良好的交流能力与英语水平，能够独立与业界专家进行英语交流； 5、优选条件： （1）熟悉通信原理、信号处理技术，或熟悉计算机网络技术； （2）芯片体系结构方向：具备芯片系统建模与仿真能力，如Gem5等仿真工具的使用经验；了解集成电路或数字芯片设计； （3）AI加速方向：具备深度学习模型在异构平台上的部署经验，熟悉常用深度学习框架（TensorFlow/PyTorch等）及优化工具（CUDA/OpenCL/NVIDIA Nsight/Vtune等）；了解AI模型压缩（量化、剪枝等）相关技术。