高性能算子开发实习生(R10506)

优缺点分析

角色解读

• 从算子开发实习生成长为高性能计算工程师，深入GPU底层优化
• 可转向AI芯片编译器、异构计算架构师等方向
• 积累经验后有机会参与核心AI训练推理框架的开发
• 设计并实现高性能算子，使用CUDA、Triton等工具优化GPU/CPU计算性能
• 分析业务场景中的计算瓶颈，定位性能问题并给出优化方案
• 参与异构计算集群的构建与迭代，推动先进计算方案落地
• 精通CUDA编程，熟悉GPU架构和内存模型，能独立编写Kernel
• 熟练使用Triton、CUTLASS等算子开发工具，有实战经验
• 理解常见AI框架（PyTorch/TensorFlow）和模型（LLM/VLA）
• 熟悉性能分析工具（Nsys/NCU），善于性能调优

申请策略

• 关注智元机器人的技术博客或开源项目，体现对公司的了解
• 准备一个你主导的性能优化案例，展示量化分析能力
• 突出CUDA编程相关项目经验，尤其是算子优化或Kernel开发
• 展示使用Triton、CUTLASS等工具的实战案例，附性能提升数据
• 强调对GPU架构的理解，可描述内存访问优化或并行计算技巧
• 提前复习CUDA编程模型、内存层次结构、warp调度等
• 动手实践Triton或CUTLASS，复现经典算子优化
• 了解国产芯片（如华为昇腾）的编译流程和算子开发

面试指南

• 对于原理性问题，先给出定义，再结合实际场景说明
• 对于项目经验问题，采用STAR法则描述背景、任务、行动、结果
• 对于性能优化问题，强调指标（延迟、吞吐）、工具（Nsys）和优化点（内存、计算）
• 请解释GPU的warp调度机制以及如何影响性能？
• 描述一次你使用CUDA进行算子优化的经历，使用了哪些技巧？
• Triton与CUDA编程相比有哪些优劣势？
• 如何分析一个AI模型在GPU上的计算瓶颈？
• 了解哪些国产芯片？与NVIDIA GPU的差异是什么？