主分类：芯片设计与验证
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "达摩院-CPU架构师-RISCV及生态",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "技术-芯片"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 5,
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 规划和定义面向AI领域的CPU，并推动技术方案落地\n2. 参与制定面向领域的CPU架构、微架构方案的定义\n3. 制定CPU IP的Roadmap\n4. 负责业界AI领域和具身智能领域技术方案跟踪和梳理",
"requirements_text": "1. 硕士及以上学历，在 CPU 及 AI 领域有 5 年以上工作经验。\n2. 熟悉主流 AI 芯片（GPU/NPU/DSA 等）的体系结构与性能优化方法，熟悉大语言模型及常见神经网络的结构与算法特征。有以下两方面经验者优先：\nAgent AI 方向： 理解 Agent 系统的运行机制——多轮推理（CoT/ReAct）、工具调用（Function Calling）、上下文管理（长上下文/RAG/Memory），以及 MCP 等主流 Agent 框架的系统架构；能够分析 Agent 场景下 CPU 与 NPU/GPU 的分工边界（CPU 负责调度编排、工具执行、逻辑决策；NPU 负责模型推理），并据此提出 CPU 在单核性能、中断响应、内存访问模式等方面的架构优化方向。\n具身智能方向： 熟悉具身智能的主流技术路径（VLA / Diffusion Policy / 端到端策略网络等），了解主流机器人形态（人形/四足/轮式/机械臂）的传感器配置、控制回路与计算需求；能够分析感知-决策-控制链路中 CPU 承担的角色（传感器融合、实时控制、SLAM、任务调度），以及由此带来的实时性约束、确定性执行和多核异构协同等 CPU 架构需求。\n3. 熟悉顺序与乱序处理器的体系结构，掌握分支预测、乱序调度（Tomasulo / ROB / 保留站）、乱序访存（Load/Store Queue / Store-to-Load Forwarding / Miss Queue）等核心算法与微架构设计方法。\n4. 有大模型芯片的调试与性能优化经验者优先。\n5. 有性能建模与分析经历者优先（如 gem5 / 自研模拟器 / Roofline Model / workload profiling 等）。",
"skills": [AI生成
"React",
"性能优化",
"系统架构",
"架构设计",
"建模",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "有以下两方面经验者优先：；4. 有大模型芯片的调试与性能优化经验者优先；5. 有性能建模与分析经历者优先（如 gem5 / 自研模拟器 / Roofline Model / workload profiling 等）",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100023960003"
}
]
},
"posting": {
"posting_id": "100023960003",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100023960003"
},
"fulltext": "达摩院-CPU架构师-RISCV及生态\n达摩院-CPU架构师-RISCV及生态\n\n基础信息\n职位类别：技术-芯片\n工作地点：北京 / 杭州 / 上海\n\n职位描述\n1. 规划和定义面向AI领域的CPU，并推动技术方案落地\n2. 参与制定面向领域的CPU架构、微架构方案的定义\n3. 制定CPU IP的Roadmap\n4. 负责业界AI领域和具身智能领域技术方案跟踪和梳理\n\n职位要求\n1. 硕士及以上学历，在 CPU 及 AI 领域有 5 年以上工作经验。\n2. 熟悉主流 AI 芯片（GPU/NPU/DSA 等）的体系结构与性能优化方法，熟悉大语言模型及常见神经网络的结构与算法特征。有以下两方面经验者优先：\nAgent AI 方向： 理解 Agent 系统的运行机制——多轮推理（CoT/ReAct）、工具调用（Function Calling）、上下文管理（长上下文/RAG/Memory），以及 MCP 等主流 Agent 框架的系统架构；能够分析 Agent 场景下 CPU 与 NPU/GPU 的分工边界（CPU 负责调度编排、工具执行、逻辑决策；NPU 负责模型推理），并据此提出 CPU 在单核性能、中断响应、内存访问模式等方面的架构优化方向。\n具身智能方向： 熟悉具身智能的主流技术路径（VLA / Diffusion Policy / 端到端策略网络等），了解主流机器人形态（人形/四足/轮式/机械臂）的传感器配置、控制回路与计算需求；能够分析感知-决策-控制链路中 CPU 承担的角色（传感器融合、实时控制、SLAM、任务调度），以及由此带来的实时性约束、确定性执行和多核异构协同等 CPU 架构需求。\n3. 熟悉顺序与乱序处理器的体系结构，掌握分支预测、乱序调度（Tomasulo / ROB / 保留站）、乱序访存（Load/Store Queue / Store-to-Load Forwarding / Miss Queue）等核心算法与微架构设计方法。\n4. 有大模型芯片的调试与性能优化经验者优先。\n5. 有性能建模与分析经历者优先（如 gem5 / 自研模拟器 / Roofline Model / workload profiling 等）。\n1. 规划和定义面向AI领域的CPU，并推动技术方案落地\n2. 参与制定面向领域的CPU架构、微架构方案的定义\n3. 制定CPU IP的Roadmap\n4. 负责业界AI领域和具身智能领域技术方案跟踪和梳理\n1. 硕士及以上学历，在 CPU 及 AI 领域有 5 年以上工作经验。\n2. 熟悉主流 AI 芯片（GPU/NPU/DSA 等）的体系结构与性能优化方法，熟悉大语言模型及常见神经网络的结构与算法特征。有以下两方面经验者优先：\nAgent AI 方向： 理解 Agent 系统的运行机制——多轮推理（CoT/ReAct）、工具调用（Function Calling）、上下文管理（长上下文/RAG/Memory），以及 MCP 等主流 Agent 框架的系统架构；能够分析 Agent 场景下 CPU 与 NPU/GPU 的分工边界（CPU 负责调度编排、工具执行、逻辑决策；NPU 负责模型推理），并据此提出 CPU 在单核性能、中断响应、内存访问模式等方面的架构优化方向。\n具身智能方向： 熟悉具身智能的主流技术路径（VLA / Diffusion Policy / 端到端策略网络等），了解主流机器人形态（人形/四足/轮式/机械臂）的传感器配置、控制回路与计算需求；能够分析感知-决策-控制链路中 CPU 承担的角色（传感器融合、实时控制、SLAM、任务调度），以及由此带来的实时性约束、确定性执行和多核异构协同等 CPU 架构需求。\n3. 熟悉顺序与乱序处理器的体系结构，掌握分支预测、乱序调度（Tomasulo / ROB / 保留站）、乱序访存（Load/Store Queue / Store-to-Load Forwarding / Miss Queue）等核心算法与微架构设计方法。\n4. 有大模型芯片的调试与性能优化经验者优先。\n5. 有性能建模与分析经历者优先（如 gem5 / 自研模拟器 / Roofline Model / workload profiling 等）。",
"standard_classification": {
"std_category_code": "T024",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}