芯片互联体系结构工程师

上海 · 校招 · 2027 届 · 本科

长期有效

前往官方投递页 →

任职要求

1、软件编程能力（C/C++等）；
2、具有计算机体系结构背景；
3、学习能力强，对新事物保有好奇心，并能快速适应新环境；良好的沟通能力和团队协同能力；
4、能与他人合作，共同完成目标；
5、对所在领域有热情，相信方法总比困难多，善于独立思考并反思总结。
【加分项】
1、有在计算机体系结构研究经历或有相关硬件设计（RTL设计）经验；
2、有性能和功能模型建模的经验；
3、对AI芯片和AI算法有一定经验；
4、对互联和高速接口有一定的经验。

岗位描述

1、AI芯片互联及Scale-up Switch芯片建模开发：构建性能，功能和行为模型；针对互联和超节点系统进行仿真；权衡性能、面积、功耗之间的平衡；
2、对大模型并行算法进行深入分析，在系统和仿真环境中分析性能瓶颈，帮助芯片架构的设计决策；
3、校正模型和硬件实现之间的准确性，给微架构设计及前端设计、验证人员作为开发的参考；
4、开发和维护性能分析工具，实现数据分析和可视化扩展；
5、开发性能测试用例，测试系统的微架构特征和设计参数，对竞对和架构探索提供重要的profiling能力。
1、软件编程能力（C/C++等）；
2、具有计算机体系结构背景；
3、学习能力强，对新事物保有好奇心，并能快速适应新环境；良好的沟通能力和团队协同能力；
4、能与他人合作，共同完成目标；
5、对所在领域有热情，相信方法总比困难多，善于独立思考并反思总结。

【加分项】

1、有在计算机体系结构研究经历或有相关硬件设计（RTL设计）经验；
2、有性能和功能模型建模的经验；
3、对AI芯片和AI算法有一定经验；
4、对互联和高速接口有一定的经验。

你的简历匹配这个岗位吗？

上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方

登录后分析我的简历

该岗位可能会问的问题

基于算法岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制（Self-Attention）

类型专业能力·难度困难

查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等

查看答题思路

1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）

过拟合是什么？怎么判断和解决

类型专业能力·难度简单

查看答题思路

1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理，SGD 和 Adam 的区别

类型专业能力·难度中等

查看答题思路

1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam

给你 10 万条未标注的文本数据，如何找出其中 10 个主题

类型情景/案例·难度中等

查看答题思路

1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整

更多面试题库功能即将上线

信息来源：企业官方招聘页。投递前请以官网信息为准。

前往官方投递页 →