AI计算系统调度架构师

优缺点分析

角色解读

• 向首席架构师或技术专家方向发展，主导芯片级系统设计
• 横向扩展至自动驾驶系统全栈架构或AI芯片产品规划
• 积累底层软硬件协同经验，可转型为系统架构师或技术VP
• 设计NPU和SoC的任务管理与调度方案，涵盖软硬件协同
• 与NPU架构师协作，定义下一代芯片的资源管理和调度架构
• 与编译器、底软团队合作，明确软硬件接口规范
• 针对自动驾驶场景的实时性需求，实现整芯片及多芯片的调度策略
• 深入理解NPU/GPGPU架构及编程模型（如CUDA）
• 熟悉NPU驱动、虚拟化技术及操作系统底层原理
• 具备任务调度和资源管理的实际项目经验
• 良好的跨团队协作和系统设计能力

申请策略

• 深入了解地平线在自动驾驶芯片领域的布局和技术路线
• 准备一个你主导过的调度或资源管理设计案例，重点讲思路和效果
• 突出NPU/GPGPU架构设计或任务调度的实际项目经验
• 强调CUDA编程或类似异构编程模型的熟练程度
• 展示驱动开发、虚拟化或OS相关的工作成果
• 提及自动驾驶或实时系统相关项目的贡献
• 补足NPU虚拟化、硬件任务调度器等底层知识
• 学习自动驾驶场景的实时性调度算法（如EDF、RM）

面试指南

• 采用STAR法则（情境-任务-行动-结果）描述项目经验
• 对于架构权衡问题，先列出约束条件，再对比方案优缺点，最后给出你的选择原因
• 解释概念时，结合具体代码或硬件行为，展示底层理解深度
• 请介绍你设计的一个NPU任务调度方案，包括关键挑战和权衡
• 在自动驾驶场景下，如何保证单芯片和多芯片调度的实时性？
• CUDA中的stream和event机制是如何工作的？与NPU的类似机制有何异同？
• 你对虚拟化技术在AI芯片中的应用有什么理解？
• 如何定义软硬件接口以减少编译器与底软的耦合？