CXL系统架构资深研究员

优缺点分析

角色解读

• 技术方向：深入CXL/IPU/内存计算领域，成为系统架构专家或技术带头人
• 管理方向：可晋升为技术团队主管或项目经理，带领团队攻关重大项目
• 行业跨界：凭借对AI加速的理解，转向数据中心或云计算大厂的核心研发岗位
• 负责CXL内存扩展和池化系统的整体架构设计与实现，包括软硬件协同开发
• 探索基于CXL的近存计算与存内计算技术，提升数据密集型任务的效率
• 将CXL内存池化技术应用于大模型推理加速，优化模型推理性能与资源利用率
• 精通计算机体系结构，特别是PCIe/CXL协议栈，具备5年以上相关研发经验
• 熟练掌握Linux环境下的C/C++编程，能开发内核态和用户态设备驱动
• 具备FPGA开发能力（Verilog）和AI加速框架（如Pytorch）经验者优先

申请策略

• 面试前准备一个完整的技术方案：如何利用CXL内存池化加速大模型推理，展现系统设计思维
• 关注联想在数据中心和AI基础设施的业务方向，在面试中体现你对公司技术战略的理解
• 突出CXL/PCIe相关项目经历，详细描述你参与的系统架构设计、驱动开发内容
• 如果有近存计算、FPGA开发或大模型加速经验，务必单独列出并说明成果
• 强调Linux内核编程能力，可列举具体的驱动开发案例（性能优化、稳定性等）
• 补强FPGA开发能力，掌握Verilog和常见EDA工具，可参考CXL相关开源项目
• 学习主流大模型推理框架（如SGLang、DeepSeek），了解其计算和内存瓶颈
• 熟悉CXL规范最新版本，关注内存池化和一致性协议细节

面试指南

• 从原理出发，结合具体协议细节，用实际项目中的例子佐证
• 先明确问题背景和约束条件，再分点阐述设计思路，最后总结优缺点
• 采用STAR法则：情境-任务-行动-结果，展示你的技术决策过程
• 请详细解释CXL.mem与CXL.io的区别，以及在实际系统中的应用场景
• 如何设计一个基于CXL的内存池化架构？需要考虑哪些一致性和性能问题？
• 描述一次你优化Linux设备驱动性能的经历，使用了哪些方法和工具？
• 在近存计算中，如何权衡计算与内存带宽/延迟的平衡？举例说明
• 如何将CXL内存池化技术落地到大模型推理场景中？请给出技术方案