SW Solution Engineer-AI

优缺点分析

角色解读

• 技术深耕：成为AI性能优化领域的专家，主导复杂系统调优
• 架构方向：向系统架构师发展，设计高性能AI计算平台
• 管理路线：带领团队负责产品级性能工程，对接客户需求
• 与客户协作，深入分析并解决AI应用在服务器平台上的性能瓶颈
• 优化Linux系统及内核配置，确保AI工作负载高效稳定运行
• 使用专业工具进行系统行为分析，定位CPU、内存、I/O等资源问题
• 主导AI推理框架的调优和基准测试，量化性能改进效果
• 精通Python和C++，能编写高性能代码
• 扎实的计算机系统知识，包括操作系统、体系结构和并行计算
• 熟练使用Linux性能分析工具和调试工具
• 具备AI/ML推理框架（如vLLM、PyTorch）和GPU架构的实际经验

申请策略

• 在求职信中表达对AI底层技术优化的热情，并提及对AMD产品的了解
• 提前了解AMD的ROCm软件栈和AI生态，展现技术匹配度
• 突出性能优化项目经验，尤其是对AI框架或Linux内核的调优成果
• 展示使用Python/C++优化代码、减少延迟或提升吞吐量的量化指标
• 强调对GPU架构、Linux性能工具链（perf, strace等）的熟练掌握
• 如有开源贡献或相关技术博客，可增强技术深度印象
• 自学AI推理框架（vLLM, TensorRT）的部署和调优方法
• 练习使用PyTorch Profiler等工具分析模型性能瓶颈

面试指南

• 用STAR方法（情境-任务-行动-结果）结构化回答，突出量化结果
• 分析问题时，先明确瓶颈类型（CPU/内存/I/O），再逐步缩小范围
• 解释优化时，说明权衡（如精度与性能），并展示系统性思考
• 请描述一次你优化AI推理性能的经历，用了哪些工具和指标？
• 如何排查Linux系统CPU利用率高但应用吞吐量低的问题？
• 解释量化技术（如AWQ）对模型推理延迟和精度的影响
• 在C++中，如何优化一个内存访问密集的循环？
• 你如何设计一个基准测试来验证系统调优效果？