AI框架/图编译工程师-27届

优缺点分析

角色解读

• 可沿AI编译器/框架专家路线深耕，成为底层系统架构师
• 也可转向AI芯片软硬件协同设计、高性能计算或大模型基础设施方向，未来可向技术负责人或首席工程师发展
• 负责将PyTorch等主流深度学习框架迁移并适配至寒武纪自研AI芯片
• 持续跟踪并参与上游开源社区开发，维护公司自研框架
• 针对特定硬件架构进行算子开发与性能调优，提升模型训练与推理效率
• 精通C/C++/Python编程语言，具备扎实的系统编程与数据结构基础
• 深入理解深度学习框架的计算图机制与执行流程
• 掌握GPU/ASIC并行计算原理，熟悉CUDA/OpenCL等高性能编程接口

申请策略

• 关注寒武纪官方开发者社区与技术博客，了解其软件栈演进路线
• 笔试前重点练习C++内存管理、指针操作及多线程编程题目
• 面试时准备好至少一个完整的性能调优案例，清晰阐述定位瓶颈的方法论
• 突出大型软件项目或开源贡献经历，量化性能优化成果（如提速百分比、内存占用降低比例）
• 详细列出掌握的并行计算库与框架二次开发经验
• 强调算法基础与复杂问题排查能力
• 提前研读PyTorch源码或LLVM/MLIR基础，了解计算图构建与调度机制
• 复习操作系统、编译原理与计算机组成原理核心考点

面试指南

• 采用STAR法则（情境-任务-行动-结果）结构化回答项目经验
• 技术问题按“原理剖析->实践验证->优化对比”逻辑展开
• 行为面试题聚焦“倾听需求->数据支撑->方案对齐->复盘迭代”的沟通闭环
• 请简述PyTorch动态图的执行流程及与静态图的区别
• 如何对一个自定义算子进行性能分析与瓶颈定位
• C++中虚函数表与智能指针的实现原理是什么
• 面对跨部门协作中的技术分歧，你通常如何推动问题解决
• 系统复习《编译原理》《计算机系统要素》核心章节，梳理指令集与流水线基础