AI推理平台-AI 高性能计算工程师-杭州/北京/上海

优缺点分析

角色解读

• 可向首席科学家、高级技术专家方向发展，成为AI基础设施领域的权威
• 也可转向AI编译器架构设计或跨平台算力适配专家角色
• 深入分析各类AI芯片（如NVIDIA, AMD, 华为昇腾等）的底层硬件架构特性
• 编写高度优化的原生算子（Kernel），利用Triton、TVM等工具链进行编译优化，确保AI模型在特定硬件上高效运行
• 精通计算机体系结构与异构计算编程模型（CUDA/ROCm/CANN等）
• 熟练掌握高性能算子手写技巧，熟悉MLIR/LLVM编译器框架
• 深入理解Transformer等主流AI模型的计算逻辑与瓶颈

申请策略

• 准备详细的技术方案阐述，说明如何针对特定硬件瓶颈进行优化
• 展现解决极端性能问题的逻辑思维与实战能力
• 突出展示手写高性能Kernel的具体案例，量化性能提升数据（如加速比、内存带宽利用率）
• 强调在多平台（CUDA/ROCm/CANN）上的适配与优化经验
• 深入学习MLIR/LLVM编译器原理，掌握Triton或TVM的高级用法
• 关注最新AI芯片架构发布，保持对异构计算前沿技术的敏感度

面试指南

• 采用STAR法则：情境（S）描述硬件瓶颈与挑战，任务（T）明确优化目标，行动（A）详述技术手段（如并行策略、内存合并、指令调度），结果（R）提供量化性能指标
• 请详细描述你手写的一个高性能算子，你是如何进行优化并验证其性能的？
• 对比CUDA和ROCm/CANN，它们在编程模型和内存管理上有何主要差异？
• 如何利用Triton或TVM优化一个复杂的Transformer算子？
• 面对新的AI芯片架构，你的适配和优化思路是什么？
• 复习计算机组成原理与体系结构知识
• 回顾过往项目中涉及的性能调优细节，准备好代码片段或架构图作为辅助说明
• 了解当前主流AI芯片的最新特性