分布式基础软件开发工程师-27届

优缺点分析

角色解读

• 从基础软件开发工程师起步，逐步深入分布式计算和高性能计算领域，成为技术专家
• 可向架构师方向发展，负责整体分布式系统设计与优化
• 在AI芯片行业积累经验，可横向拓展至芯片软件栈、AI框架研发等方向
• 设计和开发高性能通信加速库，例如针对AI分布式训练的集合通信库，需要深入理解硬件架构和网络协议
• 针对特定分布式场景（如大规模GPU集群）进行软硬件协同优化，通过底层调优提升训练/推理性能
• 解决分布式训练/推理中的各类技术问题，包括性能瓶颈分析、故障排查和调优，涉及GPU、网络、存储等多方面
• 扎实的C/C++编程功底，能够编写高效、可靠的底层代码，并具备良好的代码风格
• 熟悉Python/Shell脚本语言，用于工具开发和自动化测试
• 理解计算机体系结构、GPU架构或并行计算原理，能够进行性能分析和优化
• 具备团队协作和沟通能力，能够与硬件、软件、算法团队紧密配合

申请策略

• 提前了解寒武纪的产品线和技术栈，关注其在AI芯片领域的布局，在面试中展现热情
• 注重基础算法和数据结构，笔试和面试中会有相关考察
• 突出C/C++编程经历，如课程项目、开源贡献或实习中涉及的性能优化工作
• 强调并行计算、GPU编程（如CUDA）或分布式系统相关的项目经验
• 如有性能调优案例（如通过profiling降低延迟、提升吞吐），务必量化展示
• 体现团队协作和沟通能力，如参与过团队开发、技术分享等
• 系统学习计算机体系结构，重点理解GPU架构和内存层次
• 动手实践并行编程，熟悉OpenMP、MPI、CUDA或NCCL等工具

面试指南

• 回答技术问题时，先明确场景，再用具体案例说明思路，最后总结效果
• 对于性能优化问题，遵循“分析-假设-实验-验证”的流程，强调数据驱动
• 对于设计类问题，从需求出发，拆解模块，优先考虑可扩展性和易用性
• 简述C++内存管理和指针使用的注意事项
• 如何定位和优化一个程序的性能瓶颈？请举例说明
• 你对GPU架构了解多少？CUDA编程中block和thread如何映射？
• 分布式训练中常用的通信原语有哪些？NCCL的角色是什么？
• 如何设计一个高效的集合通信库？考虑哪些因素？