AI基础设施开发：量子科技中心岗位核心技术解析

1. 量子科技长三角产业创新中心AI岗位全景透视

量子科技长三角产业创新中心作为国家级科研平台，其AI软件开发工程师岗位聚焦于AI基础设施的底层研发。这个岗位不同于常见的应用层开发，需要候选人同时具备算法理论功底和系统级工程能力。从岗位职责来看，工作内容主要围绕三大技术栈展开：

• AI计算全栈优化：从编译器、运行时到算子层的垂直优化体系
• 异构计算生态构建：涵盖ARM/NPU/GPU等多种计算架构的调度系统
• 大模型工程化落地：面向产业场景的模型压缩与部署解决方案

这个岗位的技术栈深度体现在对TVM、MLIR等中间表示层的改造需求上，要求开发者能穿透框架抽象层，直接优化计算图的执行效率。比如在编译器优化环节，需要根据芯片特性重写图优化pass，这要求对LLVM架构和指令流水线有深刻理解。

2. 核心技术能力拆解与准备策略

2.1 编程能力矩阵构建

岗位要求的编程语言组合很有特点：

• 系统层：必须精通C++17/20的现代特性（如constexpr if、concept），特别是模板元编程在算子开发中的应用
• 工具链：Halide和Rust的加分项暗示团队在开发DSL编译器和内存安全运行时
• 脚本层：需要掌握Python的C扩展开发（如Cython），而非简单的脚本编写

建议准备路线：

1. 刷题聚焦LeetCode Hard级别的系统设计题（如实现自定义内存分配器）
2. 研究TVM源码中Halide IR的lowering过程
3. 用Rust重写一个简单的深度学习算子库（如实现Conv2D）

注意：代码考核往往会给出NPU指令集手册，要求现场编写性能优化的汇编内联代码

2.2 深度学习底层能力培养

不同于常规岗位要求"会用框架"，这里明确要求：

• 公式推导能力：能手动推导反向传播的矩阵微分
• 算子开发经验：比如实现支持stride/dilation的Conv3D算子
• 编译期优化：熟悉AutoTVM的schedule优化空间搜索方法

推荐实践项目：

• 从零实现支持自动微分的微型框架（包含计算图优化）
• 为ARM NEON指令集手写GEMM内核
• 复现一篇MLSys会议上的编译器优化论文（如Ansor）

3.