最近有小伙伴咨询什么是高性能计算岗位。

1、什么是高性能计算

高性能计算，在很多招聘信息中也会被标注为 HPC，是 High Performance Computing 的缩写。

目前很多 AI 公司或者从事 AI 的部门招聘都有这个岗位需求，我从某聘上截取了几个有代表性的公司的招聘信息，分别是某度、某跳动和某汤，大家可以感受一下。

总结一下该职位要做的事情就是：基于某一硬件平台(AI芯片加速器或某些指令集)，完成一些算法的高性能计算实现和算法优化。

比如某汤的职位信息中可以看出，要求候选人有Graphcore、华为等公司的开发经验，也就是说，他们内部可能会针对很多家不同的硬件平台做算法实现和加速，提供更高效的加速算法包。

在比如某跳动的职位信息中，要求熟悉高通平台上的一些技术，说明他们用的是高通的芯片做的算法加速。

所以不同公司要求的熟悉的平台(芯片、指令集)不同，这主要看他们在使用谁家的平台。

这种要求我感觉也不是说一定要有招聘中要求的平台开发经验，有类似平台其实也可以，也是一种优势。

2、 这个岗位是做什么的(职责)？

此类岗位职责一般集中在两大部分。

第一部分内容是高性能计算库的研发和模型的优化，这是最主要的职责，比如某度中写的那样。

这些计算库是什么东西呢？

举个例子：我之前在CPU上写过一个卷积算法，性能很差，实际部署模型时肯定都希望有一个快速的算法来完成模型推理，这些计算库中可能就包含了一些高效的卷积算法实现。

类似于 C++ 标准库中的算法，别人写好封装好，我们直接调用就行，不光功能稳定，而且性能超好。

计算库的研发就是干这个事儿的，里面会实现并且封装各种各样神经网络的基础算法，来支持模型在某一平台上的加速运算。

基于这一部分工作内容，需要的技能如下：

• 熟练的C/C++编程能力。这个很好理解，C/C++在底层运算上性能很好。
• 熟悉一些加速库的实现和相关算法。
• 熟

悉计算机体系结构和一些常见的并行技术。加速库的研发，不光要从算法上做，还要从芯片(计算机)本身来寻找突破点，并行技术(比如多线程/SIMT)可以成倍地提高计算性能。

很多公司希望有 CUDA 开发经验，因为 CUDA 编程也属于一种多线程技术，做的数据并行化计算。

第二部分内容是参与某新一代芯片的设计研发，比如某度和某汤所写的那样。

这一点有些小伙伴可能有点模糊：参与下一代某芯片的设计研发？难道我做软件开发还需要参与硬件设计吗？

当然不是这样的，这个职责的意思是：由于你在现在这一代芯片上做开发，是它的直接使用者，这一代芯片设计的如何、指令集完不完善、性能好不好、哪一块你用着不舒服还有待改进，都可以和硬件设计的同事沟通，指导他们对下一代硬件设计进行完善，使得公司产品不断迭代。

说白了，就是你作为软件研发者和硬件的直接使用者，给硬件研发提建议，然后一起探讨如何更高效地完成下一代的设计。

就是这么回事。

所以，对于这一点，对硬件架构有理解肯定是加分项，可以更好地给硬件同事提出你的建议。

当然理解不那么深刻也无关紧要，很多东西在实际工作中都会慢慢的熟悉起来的，毕竟每个公司的芯片架构和指令集设计可能都不一样。

3、薪资呢？

作为一种研发岗位，薪资也还可以，本科以上3-5年，30k-60k * 13-15不等， 直接贴图。也可去某聘上搜一下看看。

以上内容仅为个人观点，欢迎留言讨论。

原文首发：^拆解高性能计算岗位，欢迎关注。