高性能计算工程师

优缺点分析

角色解读

• 横向发展：深入了解不同硬件平台，成为异构计算架构师
• 纵向发展：向影像算法团队负责人或技术专家方向成长
• 跨领域发展：转向AI芯片设计、编译器优化或系统软件架构
• 设计并优化影像算法的SDK，针对NPU/DSP/GPU/CPU等异构计算单元进行指令集和线程调度优化，提升性能功耗比
• 与硬件厂商协作，驱动底层硬件特性适配，确保算法在不同平台高效运行
• 简化图像处理算法，在保持效果的前提下降低计算复杂度，提高能效
• 精通C/C++，熟悉计算机体系结构，能深入理解硬件工作原理
• 掌握图像处理和计算机视觉基础知识，能对算法进行性能分析
• 熟悉DSP/GPU/CPU指令集或AI加速器架构，具备异构编程经验

申请策略

• 了解vivo影像技术的当前方向（如夜景、人像等），在面试中展现匹配度
• 准备系统设计和算法简化的案例，体现解决问题能力
• 突出C/C++编程能力，尤其是性能敏感代码的优化经验
• 展示异构计算（如CUDA、OpenCL、NEON）相关项目
• 强调图像处理或计算机视觉算法实现及优化案例
• 补充特定硬件指令集知识（如ARM NEON、Hexagon DSP）
• 学习性能分析工具（如perf、VTune）和调优方法

面试指南

• 使用STAR法则（情境、任务、行动、结果）描述项目经验
• 从系统角度分析问题：先定位瓶颈（计算/内存/带宽），再针对性优化
• 展示权衡思维：列出不同方案的优缺点，说明为何选择当前方案
• 请描述一个你优化算法性能的经历，使用过哪些工具和技术？
• 如何评估CPU和GPU在图像处理任务中的性能差异？
• 解释一下指令集并行和数据并行的区别，并举例说明
• 在简化图像算法时，如何平衡效果和速度？
• 请设计一个图像卷积的快速实现方案（考虑缓存和SIMD）