Performance Engineer

优缺点分析

角色解读

• 在GPU性能优化领域形成深厚积累，可向资深性能工程师或架构师方向发展
• 依托英伟达平台，可横向拓展至AI平台开发、深度学习系统优化等前沿方向
• 具备成为技术领导者或项目管理者的潜力，逐渐参与更多产品级决策
• 设计并执行各类基准测试方法和真实场景，涵盖AI/LLM、游戏、工作站、内容创作等负载，覆盖服务器、PC、工作站、SoC及笔记本平台
• 分析性能指标与系统遥测数据，定位性能瓶颈、回归问题，提出优化方案
• 生成数据驱动的竞争分析和技术报告，帮助内外部利益相关者进行产品定位
• 开发与维护自动化脚本、自动化框架、AI代理、数据仪表盘和数据管道，提升测试效率与覆盖率
• 精通Python或其他脚本语言，具备扎实的编程能力
• 深入理解PC与服务器体系结构，熟悉底层硬件
• 具有大规模数据处理和分析能力，熟悉性能调优工具与方法论
• 对AI/LLM工作负载、游戏及内容创作流程有实际操作兴趣

申请策略

• 提前了解英伟达产品线（如GeForce、DGX）及性能测试工具（如Nsight）
• 在简历中量化你的性能优化成果，例如将某系统吞吐量提升X%
• 突出性能优化相关的项目经验，如基准测试、瓶颈分析、优化前后数据对比
• 强调Python编程能力，展示自动化脚本或工具开发成果
• 体现对AI/LLM、GPU等技术的了解，如使用过CUDA、TensorRT等
• 如果有处理大数据集或构建数据看板的经验，务必列出
• 深入学习GPU体系结构和并行计算知识，了解NVIDIA CUDA与TensorRT
• 加强AI推理/训练框架（如PyTorch、TensorFlow）的性能调优能力

面试指南

• 使用STAR法则：情境、任务、行动、结果，结合量化数据
• 强调系统思维：从硬件架构、操作系统、应用层综合考量
• 展示动手能力：结合具体工具和代码示例说明方案
• 请分享一个你主导过的性能优化案例，如何发现瓶颈并解决？
• 你如何理解GPU的性能指标？有哪些常用工具？
• 如何设计一套基准测试来评估AI/LLM推理性能？
• 解释一下CPU和GPU的架构差异及其对性能影响
• 在Linux环境下，你会如何排查CPU/内存/IO瓶颈？