面灵AI→

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

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

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

曦望高性能异构计算研究员一面:DCU 微架构、GEMM 寄存器与 reduce

曦望 高性能异构计算研究员 一面

曦望高性能异构计算研究员一面,一位面试官线上约 52 分钟:从实验室与 DCU 集群切入,深挖 hipBLAS 与 GEMM 的规模、算术强度、寄存器压力来源与降低手段,追问 mma 取数、逻辑与物理寄存器、NV stream,最后手撕一维 reduce 并当场 review。

2026-10