高性能计算工程师（SDK）

优缺点分析

角色解读

• 技术深耕：成为异构计算、性能优化领域的专家，主导核心算法SDK架构
• 架构方向：向系统架构师发展，负责整体影像系统软硬件协同设计
• 跨领域融合：结合AI与计算机视觉，探索端侧智能和低功耗计算新方向
• 设计和实现影像算法的SDK，构建异构并行框架（NPU/DSP/GPU/CPU），最大化性能和功耗效率
• 深入理解系统与硬件架构，推动厂商硬件的本地化适配，确保算法高效运行
• 研究图像处理算法，在保持效果的前提下简化计算，进一步提升能效
• 精通C/C++面向对象编程，熟悉图像处理和计算机视觉基础知识
• 熟悉DSP、GPU、CPU指令集加速或AI加速器硬件架构，具备底层优化能力
• 系统性思维和强逻辑分析能力，能解决复杂性能问题
• 良好的团队协作和沟通能力，有大团队开发协作经验者优先

申请策略

• 关注vivo影像技术的最新动态，在面试中展示对影像管线优化兴趣
• 准备一个完整的性能优化案例，从问题分析、方案设计到效果验证，体现系统性思维
• 突出C/C++项目经验和性能优化案例，如帧率提升、功耗降低等量化成果
• 展示与DSP、GPU、NPU或指令集加速相关的项目经历，最好有实际产品落地
• 如果参与过图像处理、计算机视觉算法优化，务必详细描述优化思路和效果
• 提及团队协作经验，尤其是跨部门或大团队开发经历
• 补充计算机体系结构知识，深入理解缓存、流水线、内存层级等对性能的影响
• 练习使用性能分析工具（如perf、VTune、DS-5）和调优技巧

面试指南

• 对于性能优化问题：先说明问题背景和指标，然后阐述分析过程（profiling、瓶颈定位），接着介绍优化措施（算法简化、指令级优化、并行化、内存优化等），最后展示效果数据
• 对于架构选择问题：对比不同硬件的特点（计算能力、功耗、延迟），根据算法特性（并行度、数据量、精度要求）给出选择依据
• 请介绍一个你做过的最复杂的性能优化项目，你用了哪些方法？
• DSP和GPU在图像处理中各自的优势是什么？如何选择？
• 如何分析并优化一个图像处理算法在手机上的功耗和帧率？
• 讲解一下CPU指令集优化（如SIMD）的原理，并给出一个实际例子
• 你如何理解异构计算？在移动端有哪些常见的异构计算框架？
• 复习ARM NEON指令集和GPU Shader编程，准备常见图像处理算子的优化实现