影石创新
高性能计算实习生
高性能计算实习生
发布于 2 小时前实习/见习
实习生仅现场办公高性能计算
高性能计算
Gpu优化
Simd
并行计算
异构计算
性能优化
指令集优化
编译原理
计算机体系结构
值不值得投
薪资怎么样
7.0千
比高性能计算中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 110 个在招
市场机会
选择不多
深圳 · 高性能计算 · 10 个在招
职位详情
关于这个职位
该岗位是影石创新的高性能计算实习生，主要负责音频、图像、视频等算法在 iOS/Android/Mac/Windows/Linux 多平台的工程化落地，并在特定处理器上进行指令集、内存、GPU 等极致性能优化
你将分析算法性能瓶颈并反馈给算法团队，同时封装算法 SDK 供下游部门集成，适合对底层性能优化和异构计算感兴趣的学生
最低要求
届毕业生，计算机、软件工程、通信工程、电子信息工程、自动化等专业优先
掌握计算机体系结构，掌握 C++，熟悉编译原理
工作职责
负责音频、图像、视频等算法在 iOS/Android/Mac/Windows/Linux 的工程化
负责各个算法在特定处理器上的极致优化，包括但不限于指令集、内存、GPU 优化
负责分析各个算法的性能瓶颈点，并与算法同事进行反馈，进一步保效提速降负载
负责算法 SDK 的封装，输出到下游部门进行集成，并进行性能和效果对齐
优先资格
对并行计算、异构计算感兴趣的优先
有 GPU/SIMD/ASM 课程设计经验的优先
AI 洞察
优缺点分析
优点
- 涉及多平台工程化与指令集/GPU 级优化，技术含金量高，能积累稀缺的性能优化经验
- 面向音频、图像、视频等真实产品算法，工程落地场景丰富
- 实习即可接触 SDK 封装与跨部门协作，成长曲线较陡
- 部分优化成果需与算法团队反复对齐，沟通成本不低
- 适合对底层性能优化、异构计算有强烈兴趣，且具备扎实 C++ 与体系结构基础的高校在读生
缺点 / 挑战
- 底层优化门槛较高，需要同时理解算法、体系结构与硬件特性
- 性能瓶颈分析需要大量实验与耐心调优，工作节奏偏硬核
角色解读
- 从算法工程化与性能优化起步，逐步成长为高性能计算/算法优化方向的工程师
- 可向异构计算、GPU 加速、编译器优化等细分方向深耕
- 具备 SDK 与多平台经验后，可承担更核心的算法性能架构工作
- 将音频、图像、视频等算法工程化落地到 iOS、Android、Mac、Windows、Linux 等多个平台
- 针对特定处理器的指令集、内存、GPU 等做极致性能优化，分析并定位性能瓶颈
- 封装算法 SDK 供下游部门集成，并对齐性能与效果
- 扎实的 C++ 编程能力与计算机体系结构基础
- 理解编译原理，能读懂底层代码与汇编层面的优化空间
- 对并行计算、异构计算（GPU/SIMD）有认知或实践经验
- 具备性能分析、瓶颈定位与跨平台工程化的能力
申请策略
- 影石创新以消费级影像产品为主，可提前了解其相机/图像算法产品线
- 实习岗位面向 27 届毕业生，注意把握投递时间并准备好可展示的优化项目
- 突出 C++ 项目经历，尤其是涉及性能优化的部分，量化提速/降负载效果
- 展示计算机体系结构、编译原理相关课程或项目
- 有 GPU/SIMD/汇编课程设计或并行计算经验要重点呈现
- 多平台（iOS/Android/桌面）工程化经验可作为加分项展示
- 补充 SIMD/NEON 指令集与 GPU（CUDA/Metal/OpenCL）编程基础
- 学习性能分析工具（如 perf、VTune、Instruments）的使用方法
面试指南
- 用「背景—瓶颈—方法—量化结果」结构讲优化项目，突出你的分析思路
- 讲清硬件特性（指令集、缓存、并行）与算法实现之间的权衡关系
- 讲讲你做过的 C++ 性能优化项目，如何定位并解决瓶颈？
- 你了解哪些 SIMD 指令集或 GPU 加速方案？实际用过吗？
- 如何理解缓存、内存对齐对算法性能的影响？
- 编译原理中哪些知识能帮助做底层优化？
- 多平台工程化时你会如何保证算法效果与性能一致？
- 复习计算机体系结构核心概念（缓存层次、流水线、向量化）
影石创新 的其他在招职位
相似职位推荐
Watch Jobs