AI infra 蔚来汽车 实习面经

1. 项目中遇到的问题及解决方案2. 多线程结构从有锁到无锁的改进点消除锁竞争、线程阻塞与上下文切换使用原子操作 atomic 替代锁使用 CAS 实现无锁更新无锁队列/环形缓冲区线程数据隔离，减少共享资源避免死锁、优先级反转3. unique_lock 和 lock_guard 的共同点和区别共同点：都是 RAII 风格，自动加锁、自动解锁防止异常导致死锁区别：lock_guard：轻量、无额外开销、不能手动解锁unique_lock：灵活、支持手动 lock/unlock、可转移所有权、可配合条件变量、性能略低4. 项目场景相关问题5. 实习相关问题6. 是否熟悉 CUDA 编程了解核函数...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 详细对比CPU、GPU、NPU的硬件架构优缺点及适用场景2. 为什么NPU适合AI计算？（Unified Buffer、矩阵加速单元）3. NVIDIA GPU的内存组织架构和计算调度逻辑4. 为什么要设计Warp？Warp Scheduler是如何工作的？（掩盖访存延迟）5. GEMM（矩阵乘）在GPU上的经典优化手段（Shared Memory分块、向量化读写、Double Buffer）6. 大规模Reduction（归约）操作怎么做？（Warp级归约 -> Block级归约 -> Global原子加 vs 多Kernel级联）7. 多态的实现机制（编译时多态 vs 运行时多态）8. 构造函数和析构函数可以是虚函数吗？为什么？9. 继承关系下构造与析构的执行顺序。10. 智能指针详解（unique_ptr, shared_ptr, weak_ptr及循环引用解决）

github链接：https://：github.com/jinbooooom/OriginDLOriginDL: 完全从零开始构建的深度学习框架OriginDL 是一个完全从零开始构建的深度学习框架，采用 C++ 实现。OriginDL 不仅实现了高层的自动微分系统，更从最底层的矩阵运算开始，使用 CUDA 手写了 GPU 加速的矩阵计算核心，并在此基础上构建了完整的自动求导引擎和神经网络模块。目前已在框架上实现了线性回归与 MNIST 手写数字识别的训练示例，以及基于 PNNX 的 YOLOv5 目标检测推理，用于验证自动求导与推理链路。OriginDL 提供了类似 PyTorch 的 A...

学历太重要了啊！😭读研真是对的！想去考研了😭阿里云真卡学历，管你什么实习不实习的！😭985软件工程A+专业，本科在读，先后在腾讯IEG、美团到餐、京东零售做过后端开发，项目经验拉满，一周内能到岗，稳定实习6个月…主动找阿里云基础平台研发岗沟通，结果HR一句“不好意思哈，我们只要研究生”直接婉拒。明明JD写着“学历不限”，实际门槛却悄悄抬高到硕士。现在找实习，连985本科+三段大厂背书都不够用了吗？😮‍💨