AI工程高阶岗位（异构计算）

优缺点分析

角色解读

• 深入异构算力领域，成为稀缺技术专家，参与国产算力生态建设
• 积累“硬件架构-框架-算法”全栈经验，拓展技术视野，可向架构师发展
• 在美团大平台与一流团队共事，有机会晋升技术Leader或资深专家
• 负责华为昇腾等异构算力的评估、适配和落地，确保公司算力战略有效执行
• 建立自动化验证体系，保障硬件性能与精度，协同基础设施提升稳定性
• 与芯片厂商深度合作，推动软件栈易用性和泛化性，支持大模型大规模应用
• 优化高速网络通信（超节点架构），提升大模型训练和推理的整体性能
• 扎实的计算机科学和机器学习理论基础，熟悉主流机器学习框架
• 有大模型训练或推理工程架构的大规模实践经验
• 熟悉GPU或NPU等异构算力架构，掌握高性能算子和通信开发
• 优秀的跨团队协作能力，能与算法、工程、芯片厂商高效沟通

申请策略

• 在求职信中表达对国产算力自主可控的技术热情和对美团技术平台的认同
• 了解美团在零售+科技战略下的算力布局，展示自己如何能为此做出贡献
• 突出异构计算相关项目经验，如GPU/NPU上的算子开发、通信优化
• 强调大模型训练或推理的工程实践，包括框架使用和性能调优
• 展示与芯片厂商或算法团队的协作成果，体现跨团队合作能力
• 列出具体性能提升数据（如训练吞吐、通信延迟等），量化成果
• 提前学习华为昇腾等国产芯片架构和软件栈（如CANN、MindSpore）
• 补充分布式训练和高速网络通信（如RDMA、InfiniBand）的知识

面试指南

• 使用STAR法则：先描述项目背景和目标，然后说明具体行动（技术选型、优化方法），最后展示量化成果（性能提升百分比）
• 对于评估类问题，可从功能验证、性能基准、精度对比、稳定性测试四个维度展开
• 对于协作类问题，强调主动沟通、建立反馈机制、推动上下游对齐
• 请详细介绍你过去在GPU/NPU上优化大模型训练或推理的经验
• 如何评估一个新的异构计算硬件的性能和精度？你会设计哪些测试？
• 在大规模分布式训练中，通信优化有哪些常用策略？请举例说明
• 与芯片厂商合作时，你是如何推动软件栈改进的？遇到过哪些挑战？
• 复习计算机体系结构和并行计算基础，特别是GPU/NPU架构差异