AI芯片的架构/物理实现和系统设计（AI芯片） - 芯片研发

团队介绍：字节芯片研发团队目前工作主要集中在芯片设计环节，主要围绕字节自身业务展开芯片探索，为字节多项业务的专用场景定制硬件优化，设计多款基于先进半导体工艺的云端复杂芯片，以期提升性能、降低成本。早期若干芯片项目已经进入到量产部署阶段，有多次一版成功的投片经历，所用工艺包含多个主流的先进工艺节点。与基础设施各团队之间工作的整体协同，能更容易和更好地发挥芯片研发的价值。

课题介绍：
研究方向：集成电路设计、计算机体系结构、半导体、存储系统、机器学习系统、计算机网络。

芯片设计
1、负责AI芯片架构/微架构探索与方案设计，包括AI推理/训练系统软硬件协同优化、AI模型与算子特性分析、硬件实现方案制定与性能优化、数据中心ASIC芯片微架构探索、RTL设计与集成、业内先进AI芯片微架构跟踪调研、benchmark总结与搭建、芯片互联网络协议与架构演进；
2、重点投入到AI芯片架构、微架构、AI工具链、Scale up/Scale out/Switch等方向。

芯片物理层设计
1、负责ASIC/CPU芯片的物理层研发，具体包括逻辑综合、可测性设计、后端设计、定制IP设计、封装仿真、硅后研发等环节；
2、重点投入到高级封装、高性能IP设计、高性能设计方法学、物理前沿技术（AI for EDA、DTCO）等方向。

课题挑战：
1、探索AI计算、高速互联、存储、先进封装一体化协同架构；
2、负责创新架构与系统设计；
3、与软硬件团队协同，落地AI训练/推理芯片与数据中心系统。

课题价值：
不断探索芯片前沿架构，支持字节火山引擎、抖音、豆包等业务，持续扩展应用领域，赋能LLM、视频/图片生成、视觉理解等大模型方向。以高性能、高精度、高可用性、低成本为目标，提供端云全场景覆盖、软硬件协同的AI芯片和系统解决方案。

1、2027届毕业，获得博士学位，计算机、电子、微电子、通信等相关专业优先；
2、熟悉计算体系结构，对典型的AI硬件加速器架构或者GPU/CPU架构有深入的了解；
3、熟练掌握RTL/Python等相关编程语言；
4、有AI模型优化相关经验，对典型的AI模型计算访存行为有较好的理解；
5、有较强的主动学习、快速解决问题能力和自我驱动力。

加分项：
1、对计算机网络TCP/IP协议栈或者RDMA协议有了解；
2、了解TensorFlow、PyTorch等深度学习框架；
3、了解业界AI超节点互联架构（如NVLink/TPU/UB-Mesh），熟悉AI训练/推理并行策略及计算-通信Overlap优化；
4、了解集合通信库（如NCCL/RCCL/TCCL）及其优化机制，熟悉高性能网络协议（如RoCEv2/UEC/UB/UALink）或拥塞控制机制；
5、熟悉交换机芯片的架构和处理流程，具备数据中心网络组网或调优经验；
6、有AI芯片流片经验。