面灵AI→

中信银行金融科技(人工智能)一面:大模型请求链路、CUDA 优化与算子融合

中信银行 金融科技(人工智能) 一面

中信银行金融科技岗(人工智能方向)线上一面,15 分钟、4 位面试官,原以为是半结构化行为面,实际是纯技术面:一个请求从进入大模型到流式返回经历哪些环节与资源(实际想考 message 的构成)、CUDA 计算优化的原理、为什么通用计算在不同硬件上性能不同、观点题「所有算子都应尽量在 GPU 上跑」、算子融合的常见算法与场景、如何优化算子、是否调研过 auto-tuning、多模态大模型调优经验,以及做的是工程层还是模型层优化。

2026-11

科大讯飞算子岗一面:SM 占用率、GEMM 计算量与 FlashAttention 迁移

科大讯飞 AI Infra 一面

科大讯飞 AI Infra 方向算子岗一面(线上单面,约 32 分钟),节奏是自我介绍与背景、硬件平台与工具链、项目深挖、GPU 体系结构、算子实现细节、大模型与 FA 连续追问、软性与反问,无手撕无笔试。问题包括 SM 占用率、GEMM 计算量、计算/访存/通信瓶颈的判断、为何不用 cuBLAS、img2col、CPU SIMD、prefetch、Softmax 优化、Hopper 特性与 FA 迁移思路。

2026-11

腾讯混元 AI Infra 二面:三代 GPU 架构、Cache-Aware 路由与 W4A4 稀疏算子

腾讯(混元) AI Infra 二面

腾讯混元 AI Infra 二面全部围绕自研推理栈:先对比 Ampere、Hopper、Blackwell 三代架构的 TMA、Tensor Memory 与低比特支持,再追问 WGMMA 与 UMMA 的指令级差异、Cache-Aware 路由的评分与调参、TILE Cache 系统仿真,最后落到 W4A4 稀疏算子的实现细节,并现场手写带工程优化的 Softmax。

2026-11

腾讯混元 AI Infra 二面复盘:从 Hopper WGMMA 到 Blackwell UMMA 的底层追问

腾讯(混元) AI Infra 二面

同一场腾讯混元 AI Infra 二面的另一份记录:面试官按「硬件架构—指令—算子—服务调度」逐层下钻,五组问题覆盖三代 GPU 的搬运与计算机制、Cache-Aware 路由的评分调参、TILE Cache 仿真、W4A4 稀疏 Kernel,最后要求手写 Softmax 并讲清每一步优化为什么有效。

2026-11

中兴 GPU 算子开发面经:从 GPU 架构问到 FP16 量化与 DQN

中兴 GPU 算子开发 一面

中兴 GPU 算子开发线上技术面:自我介绍与项目拷打之后,问 GPU 架构相对 CPU 的优势、FP16 量化、C++ 虚函数、函数指针与指针函数的区别,以及强化学习 DQN 的讲解,最后是竞赛与反问。

2026-11

壁仞高性能异构工程师一面:CUDA、C++ 与两道手撕

壁仞科技 高性能异构工程师 一面

壁仞高性能异构工程师一面约半小时,覆盖 CUDA/HIP 差异、内存层次、bank conflict、warp divergence、C++ 与并行模型,并现场手写 shared_ptr 和 CUDA reduce。

2026-10

壁仞科技二面(高性能):CUDA 归约、Hopper 架构与图深拷贝

壁仞科技 高性能计算 二面

壁仞科技高性能二面:16 分钟项目拷打加 CUDA 八股——SpMV、归约指令、H100 架构与内存层次、shared memory 配置、流与同步;C++ 部分追问 static 与智能指针,手撕图的深拷贝和二叉树右视图。

2026-10

字节 AI Infra 三面:CUDA Graph 与 TP 并行的卡死排查

字节跳动 AI Infra 三面

字节 AI Infra 三面面经,主线是分布式训练与算子开发:CUDA Graph 与 TP 并行同时启用导致卡死的定位过程、Triton/CuTe 这类 DSL 的价值、MoE 训练里 Router Replay 与 EP 并行、滑动窗口 Attention 的确定性反向优化,以及国产 GPU 上的算子 Benchmark 方法。

2026-10

深度求索 AI 基础设施一面:FlashAttention 分块、NCU 指标与 RL 卡死

深度求索 AI基础设施 一面

深度求索 AI 基础设施岗一面:从多卡训练耗时拆分问到 FlashAttention 各代与 Blackwell 架构,再追问 RL 链路卡死的复现证据、NCU 指标到瓶颈的判断,最后在线做岛屿数量。

2026-10

滴滴 AI Infra 算法岗一二面面经

滴滴 AI Infra 算法工程师 一面二面

滴滴 AI Infra 算法岗一二面:一面考 Attention 优化、KV Cache 显存计算与 ZeRO 分片;二面深挖流水线调度、分布式 Decode 与 PyTorch 编译栈。

2026-10

滴滴 AI Infra 算法岗一二面面经

滴滴 AI Infra 算法工程师 一面二面

滴滴 AI Infra 算法岗一二面面经:一面考 Attention 架构优化、KV Cache 管理、MLA 与线性注意力、GQA 显存估算与 DeepSpeed ZeRO,二面追问调度细节并手撕 CUDA 算子。

2026-10

帝尔激光计算机视觉岗技术面面经

帝尔激光 计算机视觉 技术面

帝尔激光 CV 岗技术面记录:前半段围绕超分辨网络与卷积原理,后半段集中追问相机标定与四套坐标系、单应性矩阵的具体计算、形态学与 Canny、傅里叶变换、双目测距实现,最后落到 Java 平台调用模型的数据流与 CUDA 加速。

2026-10

禾赛科技 AI Infra 一面复盘:FlashAttention、NCU 指标与 RL 链路卡死

禾赛科技 AI Infra 一面

禾赛科技 AI Infra 一面:从多卡训练经验问起,深挖 FlashAttention 各代差异、Tiling 与分块搬运、Blackwell 与 H200 架构区别,再追 RL 链路的卡死排查与 NCU 指标判读,最后手写岛屿数量。

2026-10

10.27 禾赛科技 AI Infra 一面复盘:FlashAttention、NCU 与 RL 卡死

禾赛科技 AI Infra 一面

禾赛科技 AI Infra 一面复盘:多卡训练耗时拆分、FlashAttention 的 tiling 与硬件代际、RL 链路卡死的排查、NCU 指标与 warp 分支发散、跨方向协作,以及岛屿数量。

2026-10

10.23 禾赛科技高性能计算一面:DCU 与 GPU 的架构差异,手撕共享内存 GEMM

禾赛科技 高性能计算 一面

禾赛科技高性能计算一面:开场后全部围绕国产 DCU 平台展开——与 GPU 的编程模型和硬件架构差异、算力与通信带宽、是否支持 FP8、选这个平台做优化的理由与具体版本显存;手撕要求用 CUDA 写 GEMM,靠共享内存 tile 减少 HBM 访问。

2026-10

沐曦 AI 工程师笔试加一面:roofline、算子瓶颈与 stall 定位

沐曦 AI 工程师 笔试、一面

沐曦 AI 工程师(高性能与 AI Infra 方向)笔试加一面:笔试 40 道 C++ 选择加 2 道编程限时 60 分钟,一面全是硬题,围绕 GPU 与国产加速器的底层架构差异、SpMV 与 GEMM 特性、NUMA 与 OpenMP、stall 分类与定位、kernel launch 时 CPU 做了什么、roofline 与算术强度、算子融合展开。

2026-10

摩尔线程 AI 算子一面:GEMM 分块与手撕 kernel

摩尔线程 AI 算子库及高性能计算工程师 一面

摩尔线程 AI 算子库及高性能计算工程师一面:一小时、一位面试官、含手撕。开场自我介绍后是近四十分钟的项目拷打,随后深入 CPU 侧的 AVX-512 与寄存器分块、多核矩阵乘的归约设计、GPU GEMM 优化与 CUTLASS、反汇编与寄存器用量、ncu 性能分析,最后要求共享屏幕现场写 GPU kernel(二维均值滤波,未写成改考 TopK)。

2026-10

10 月大模型推理五场面试合集:量化、KV Cache 与 CUDA 执行机制

多家公司 大模型推理与量化

10 月大模型推理五场面试合集:后摩智能问浮点格式与 KV Cache,腾讯 WXG 追问 CUDA 执行机制,地平线考区间拆分,字节 Data 问分级存储,阿里千问聊量化与 PTQ、QAT。

2026-10

拼多多 AI Infra 一面:bank conflict、Triton 与字符串乘法

拼多多 AI Infra 一面

拼多多 AI Infra 一面:实习里的监控指标、常用 infra 工具、bank conflict 的成因与解决、Triton 学习情况,手撕字符串乘法。

2026-10

清微智能高性能二面:调优要能说清提升来自带宽、访存还是算力

清微智能 高性能计算 二面

清微智能高性能二面 23 分钟只有 9 个问题:不给八股、不手撕,三个项目各往「提升来自哪一类资源」上逼——带宽、访存、算力还是算法简化。

2026-10

商汤科技 C++ 一面面经(27届秋招)

商汤科技 C++ 一面

商汤科技 C++ 一面面经:围绕模型部署与推理优化展开,覆盖 TensorRT 流程与 INT8 量化精度评估、推理延迟瓶颈定位与服务端提速、GPU 与 CPU 拷贝优化、OpenCV Mat 内存布局与深浅拷贝、图像 resize 插值选择、颜色空间转换的坑以及 CUDA kernel 的线程网格组织。

2026-10

思朗科技 算子开发工程师 一面

思朗科技 算子开发工程师 一面

思朗科技算子开发工程师一面面经:五十分钟围绕简历与项目深挖,覆盖算子实现与优化方案选择、性能瓶颈定位(计算/访存/同步)、优化效果测试条件、Nsight 使用与指标解读、GPU 存储层次、Thread/Warp/Block 关系、C++ 内存管理以及 LLVM 与编译流程。

2026-10

腾讯混元 AI Infra 二面:GPU 架构、KV Cache 与算子

腾讯(混元) AI Infra 二面

腾讯混元 AI Infra 二面:从安培、Hopper、Blackwell 三代架构与 TMA、WGMMA/UMMA 指令差异,问到 Cache-aware 推理路由、跨实例 KV Cache 共享、稀疏算子设计与手撕 Softmax 算子优化,问题全部打在自研推理栈的细节上。

2026-10

清微智能一面(高性能):FlashAttention、FP16/BF16 与 SpMV

清微智能 高性能计算 一面

清微智能高性能一面(25 分钟,无手撕):实习与加速设备、DCU 是什么、算子功能与精度细节、矩阵乘优化、FlashAttention 的原理、CUDA 实现注意事项、FP16/BF16 特点与 float 位宽、SpMV 的稀疏格式选择。

2026-10

中科芯算子岗一面:矩阵乘优化、OpenMP 与 MPI、稠密与稀疏的优化差异

中科芯 算子开发(加速库) 一面

中科芯软件部门算子 / 加速库岗,25 分钟单面,无笔试无手撕无八股:面试官先介绍业务,再问本科与研究生方向、对科学计算数值算法的了解、论文投稿周期与审稿意见;项目部分追问矩阵乘的规模、性能提升来自哪些优化点、用什么语言和什么卡跑、是否懂 OpenMP/MPI/CUDA、论文对应项目的核心贡献、性能分析工具;开放题是稠密与稀疏矩阵乘在优化思路上的区别;最后聊培养模式、实习与职业规划。

2026-10

AI Infra 求职劝退贴:面试官建议与个人复盘

某互联网大厂 AI Infra

AI Infra 方向求职劝退贴:作者面试某大厂日常实习后,记录面试官给出的五条建议(岗位极度内卷、算子被 AI 冲击、国产芯片迁移难等),并复盘纯 infra 岗全挂的原因、可行的替代方向与选路自查清单。

2026-09

华为 AI 方向机考 9 月 18 日:10 道选择加全局位注意力编程题

华为 AI 算法(机考) 笔试

华为 AI 方向 9 月 18 日机考真题:10 道选择题覆盖 RoPE、矩阵维度、余弦相似度、评测指标、CUDA 共享内存、稀疏格点、正态分布、KV Cache、偏差方差与 Kernel 融合流量计算,外加一道 150 分的全局位与窗口注意力编程题。

2026-09

新紫光一面(算子工程师):ncu 与 nsys、roofline 模型

新紫光 算子工程师 一面

新紫光算子工程师一面,25 分钟、没手撕、八股很少:重点问 ncu 与 nsys 的区别与作用、常用卡的存储架构与带宽量级、峰值性能与计算单元和寄存器、roofline 模型、大模型算子,以及 C++ 的 inline。

2026-09

足下科技高性能计算一面凉经

足下科技 高性能计算(算子与推理优化) 一面

足下科技高性能计算一面凉经,处女面。面试以场景题为主、几乎没问项目,作者个人项目基于Ampere架构自评偏玩具。面试官提示该岗位不需要做算子、更偏高层优化,作者复盘认为算子优化复用性强且难超越现有实现。

2026-09