[현대자동차] NPU 딥러닝 컴파일러 개발 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• Frontend Compiler를 개발합니다. Graph-level optimization pass와 Operator-level lowering pass를 개발하고, Dataflow와 메모리 계층 스케쥴링을 최적화하며, IR과 컴파일 파이프라인을 설계하고 고도화합니다.

  이렇게 볼 수 있어요

  pass 개발에 더해 IR과 파이프라인 설계까지 맡는 이 업무는 기존 컴파일러에 기능을 더하는 일보다 구조를 정하는 일에 가깝습니다. 직접 설계한 IR이나 pass가 어떤 최적화를 가능하게 했는지를 모델과 수치로 설명할 수 있습니다.

• 컴파일된 코드를 실행하기 위한 runtime과 메모리·자원 관리 기능을 개발하고, Runtime 관점에서 성능 프로파일링과 병목 분석을 지원합니다.

  이렇게 볼 수 있어요

  컴파일러와 runtime을 한 사람이 함께 다루는 범위입니다. 추론 실행 중 메모리 할당이나 스케줄링이 병목이 된 문제를 프로파일링으로 찾아 고친 경험이 있다면 이 업무와 직접 이어집니다.

• Code Generation 영역에서 Backend compiler 인터페이스를 개발하고 End-to-end 성능과 품질을 개선합니다. 병목 구간을 분석해 frontend/backend 경계에서 개선 포인트를 도출하고, Backend, runtime, 하드웨어 아키텍트와 협업해 end-to-end 성능을 최적화합니다.

  이렇게 볼 수 있어요

  Frontend와 Backend 사이 경계가 이 공고의 협업 지점입니다. 다른 팀이 만든 Backend나 하드웨어와 맞물리는 인터페이스를 설계하고 그 경계에서 성능 문제를 풀어 본 경험이 있다면 상대 팀과 나눈 역할까지 적을 수 있습니다.

2자격 요건

• 인공지능/전자/컴퓨터공학 분야 석사 이상이어야 합니다.

  이렇게 볼 수 있어요

  업무의 IR·pass 설계는 대학원 컴파일러 연구에서도 다루는 주제입니다. 학위 과정에서 컴파일러 최적화나 추론 가속을 다뤘다면 그 연구 주제가 업무의 Frontend와 Runtime 가운데 어디에 해당하는지 함께 쓰면 좋습니다.

• 딥러닝 컴파일러(Graph-level) 최적화, Lowering Pass 개발 및 Runtime 환경 개발 경험이 2년 이상 필요합니다(관련 전공은 경력으로 인정).

  이렇게 볼 수 있어요

  괄호의 '관련 전공은 경력으로 인정'에 따라 대학원에서 딥러닝 컴파일러를 연구한 기간도 경력 설명의 일부가 됩니다. 업무가 Frontend와 Runtime에 걸쳐 있으니 두 영역에서 각각 무엇을 만들어 봤는지를 연구와 실무를 가리지 않고 자세히 쓰면 업무 범위와 비교하기 쉽습니다.

• Graph/IR transformation, runtime, inference 성능 최적화 가운데 하나 이상을 이해하거나 경험해 본 적이 있어야 합니다.

  이렇게 볼 수 있어요

  세 영역은 업무의 Frontend Compiler, Runtime, End-to-end 성능 개선에 하나씩 이어집니다. 경험이 한 영역에 몰려 있다면 그 결과가 나머지 두 영역에 어떤 영향을 줬는지까지 설명하면 업무 전체와의 연결이 분명해집니다.

• C/C++/Python을 활용할 수 있어야 합니다.

  이렇게 볼 수 있어요

  필수 자격이 C/C++와 Python을 함께 적었습니다. pass와 runtime 구현은 C/C++로, 모델 분석과 테스트는 Python으로 하는 경우가 많습니다. 두 언어를 오가며 컴파일러를 개발한 경험이 있다면 각각 무엇을 맡았는지 적을 수 있습니다.

3우대 사항

• NPU 또는 GPU를 대상으로 한 컴파일러 분야 박사 학위를 우대합니다.

  이렇게 볼 수 있어요

  이 공고도 같은 NPU 조직의 아키텍처 설계 공고처럼 석사 필수에 박사 우대입니다. 박사 연구가 Graph-level 최적화·lowering·runtime 가운데 어디에 해당하는지 밝힙니다. 그 연구를 TVM·MLIR 같은 오픈소스 스택 위에서 했다면 우대 사항의 스택 확장·내재화 경험까지 한 사례로 보여 줄 수 있습니다.

• NPU, GPU 등 AI 가속기 전문 팹리스(Fabless)나 관련 기업에서 일해 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  하드웨어를 만드는 회사의 컴파일러 팀은 아키텍처와 컴파일러를 한 조직이 맡는 이 공고의 구성과 같은 환경에서 일합니다. 그 회사에서 하드웨어 팀과 컴파일러 팀이 어떻게 협업했는지 함께 설명할 수 있습니다.

• 오픈소스 컴파일러 스택(예: TVM, MLIR, LLVM, XLA)을 기반으로 확장하고 내재화해 본 경험과, 딥러닝 모델 가속기를 대상으로 컴파일러나 런타임을 개발해 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  '내재화'라는 표현은 오픈소스를 그대로 쓰기보다 자체 NPU에 맞게 고쳐 사내 스택으로 만드는 방향을 보여 줍니다. 오픈소스 스택에 새 하드웨어 백엔드나 방언(dialect)을 더해 본 일이 이 방향과 가장 가깝습니다.

• 최신 AI 모델 구조와 저정밀 추론에 대한 이해를 우대합니다.

  이렇게 볼 수 있어요

  조직이 자율주행·로보틱스용 NPU를 만들어 차량과 로봇에서 돌아갈 모델을 다룹니다. 양자화된 모델을 가속기에서 돌리며 정확도와 속도를 함께 맞춰 본 경험이 있다면 사용한 정밀도와 정확도 변화를 함께 쓰면 좋습니다.

• AI 가속기나 특정 도메인에 최적화된 DSL(Domain Specific Language)을 설계하고 컴파일러 파이프라인에 적용해 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  업무의 IR·컴파일 파이프라인 설계와 이어지는 우대 사항입니다. DSL을 설계했다면 그 언어로 무엇을 표현하게 했고 컴파일러가 그것을 어떻게 최적화했는지를 보여 주는 것이 핵심입니다.

• 비즈니스 영어로 소통하고 영어 문서를 작성할 수 있으면 우대합니다.

  이렇게 볼 수 있어요

  우대 사항에 TVM, MLIR, LLVM, XLA 같은 오픈소스 컴파일러 스택 기반 확장 경험이 함께 적혀 있고, 이런 커뮤니티의 논의와 문서는 대부분 영어로 이뤄집니다. 오픈소스에 기여하거나 영어로 설계 문서를 써 본 경험이 그 근거가 됩니다.

4기타 사항

• 게시일 : 2026년 6월 15일
• 고용형태 : 해당 내용은 원본 공고에서 확인되지 않습니다.
• 근무지 : 판교
• 경력 조건 : 경력 2년 이상
• 학력 조건 : 인공지능/전자/컴퓨터공학 분야 석사 이상

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• C
• C++
• Python
• TVM
• MLIR
• LLVM
• XLA

전형과 지원

현대자동차 경력 채용은 매월 진행되고 서류 전형, 면접 전형과 인성 검사, 채용 검진 및 입사 순입니다. 분석한 경력 공고는 모두 지원서 접수, 서류전형, 면접전형(인성검사), 채용검진, 최종합격을 적었고 '필요 시 전형단계에서 과제가 진행 될 수 있습니다.'라고 덧붙였습니다.

지원 전 준비할 것

1. 1

   직접 만든 pass 하나 설명하기

   Graph-level 최적화나 lowering pass 가운데 직접 만든 것 하나를 골라 대상 연산, 변환 방식, 적용 전후 성능을 정리합니다.

2. 2

   runtime 병목 사례 준비하기

   프로파일링으로 메모리나 스케줄링 병목을 찾아 고친 경험을 원인, 조치, 결과 순서로 설명할 수 있게 준비하세요.

3. 3

   하드웨어 팀과 맞춘 경험 꺼내 보기

   하드웨어 아키텍트나 Backend 팀과 인터페이스를 정한 경험이 있다면 어떤 제약을 서로 주고받았는지 말로 설명해 봅니다.