资深Core IP验证工程师（指令集验证方向）(A208186)

该职位来源于猎聘 岗位职责 1、负责GPGPU/AI NPU Core IP全流程验证工作，核心承担AI算力核、GPU通用计算核的指令集架构验证、算子指令兼容性、并行指令全覆盖验证，覆盖通用计算指令、AI专用指令、矩阵运算指令、张量计算指令、浮点向量扩展指令，保障GPU/NPU指令集硬件实现与架构规范、算法需求完全对齐。 2、深入解读GPGPU、AI/NPU专用指令集架构规范及算力核设计文档，梳理AI/GPU指令集验证需求，拆解单指令、多指令并行、批量算子、流水线并发、数据吞吐等复杂验证场景，制定模块级、子系统级验证方案、验证计划及覆盖率收敛策略，独立完成GPU/NPU Core指令集验证全流程闭环。 3、搭建并迭代优化GPGPU/NPU算力核专用验证平台，基于UVM搭建高并发、可复用的自动化验证环境，独立开发GPU/NPU指令激励驱动、算子参考模型、数据比对Checker、异常捕获与时序检测机制，支撑各类AI/GPU指令、组合算子的高效仿真验证。 4、负责GPU/NPU指令集核心功能及极限场景用例开发，覆盖指令乱序执行、并行调度、依赖冲突、流水线冲刷、访存对齐、超大批量数据运算、中断嵌套、算力饱和吞吐等边界场景，穷尽指令组合、算子联动、时序交互风险点，保障AI/GPU指令执行的稳定性与准确性。 5、主导GPGPU/NPU Core验证缺陷的定位、分析与闭环，联合架构、设计、算法团队排查指令实现BUG、算子适配异常、并行调度错误、软硬件兼容问题、算力精度偏差等核心问题，输出详细问题分析报告、回归验证方案，推动问题彻底闭环。 6、负责GPU/NPU指令集、算力核模块的功能覆盖率、代码覆盖率收敛工作，针对性梳理未覆盖的指令场景、算子场景、并发时序场景，持续优化验证用例与验证策略，保障GPGPU/NPU Core IP高质量交付，满足流片交付标准。 7、沉淀GPGPU/AI NPU指令集验证方法论、算力核专用验证IP、自动化仿真与回归脚本，搭建AI芯片指令集验证知识库，优化验证流程，支撑多代GPU/NPU Core IP迭代升级与快速验证交付。 任职要求 1、本科及以上学历，微电子、集成电路、计算机体系结构、电子工程等相关专业，5年及以上GPGPU/AI NPU Core IP专职验证经验，有成熟GPU/NPU算力核流片、量产交付经验者优先。 2、精通GPGPU/NPU指令集验证，深入理解AI芯片、GPU算力核专用指令集架构，熟练掌握矩阵运算、张量计算、向量浮点、并行调度等各类AI/GPU指令的执行原理、流水线机制、多核交互、批量访存逻辑，具备完整的GPU/NPU指令集验证项目落地经验。 3、熟练掌握UVM验证方法学，能够独立搭建Core IP模块级、系统级验证平台，熟练使用SystemVerilog、Verilog、C语言开发验证用例、参考模型及检查逻辑。 4、熟悉芯片仿真验证流程，熟练使用主流仿真工具，具备独立完成验证计划制定、用例开发、覆盖率收敛、问题调试全流程能力。 5、深刻理解GPGPU/NPU核心架构，熟悉算力核流水线、并行指令调度、乱序执行、共享缓存、片上互联、访存机制、中断异常、精度控制等核心模块，能够快速定位指令执行、算子运算、并行交互过程中的功能、时序、精度、兼容性问题。 6、具备良好的脚本开发能力，熟练使用Python/Shell编写自动化验证脚本，能够实现指令随机激励生成、回归测试自动化、数据自动化比对。 优先加分项 1、有自研GPGPU、AI NPU、智能算力核完整验证项目经验，熟悉主流GPU/NPU架构及专用指令集者优先。 2、精通AI专用指令、矩阵/张量运算指令、GPU并行计算指令验证，有自定义AI算子、扩展指令集验证经验者优先。 3、熟悉AI芯片指令集仿真器、算力模型比对工具，具备软硬件协同验证、算法-硬件指令对齐验证经验者优先。 4、有AI/GPU芯片流片、回片测试、问题复盘及量产迭代经验，熟悉算力核性能、精度调优验证者优先。