高性能计算求指导

主要项目，感觉更像是讨论，聊天，保佑我1、介绍你所述的实习的项目中的提升点用链式规避掉DMA切片传输，如何提升%30的时间 （切换效率应该不变，）2、你这传输的时候都是连续的物理内存，但是如果没这么大的连续物理内存怎么办？3、之前接触过PCIe吗4、第二个项目无人机，你参考的瑞芯微官方demo吗5、 你在项目中具体承担的职责，自己完成了哪些工作？6、在整个框架搭建过程中，遇到的最大挑战是什么？7、摄像头内外参数你考虑过动态标定和静态标定吗？【没有】8、标定过程有许多开源算法，了解过里面的原理吗？【没有】9、你用过标定过程会遇到如何跑好的问题，10、Yolo模型你如何优化的11、检测时长50Hz（20ms）能支持多大速度的飞行12你在模型部署中，会有模型优化的技术，你如何考虑的13、你们团队的规模，你负责的部分，是嵌入式部分吗？14、你的优势15、你对我们小鹏了解吗16、反问无手撕

本人入职数月，在ai infra上比起入职前有了一定的了解，现在分享一下回馈牛客上的大伙😙：薪酬方面：对于ai infra，大部分还是属于开发类，比不过算法，但在开发里算高的。要求方面：感觉这方向属于是要求比较高的了，从学历上来说这方向很多都是清华上交的人在做（感觉是因为mooncake，sglang），但找工作的话学历不绝对；从卷度上来说真得挺卷的，ai发展日新月异，作为底层的基础设施需要支持不同的场景；做ai infra的人越来越多，内部外部都会存在压力。工作内容方面：从外层的最佳实践，到整个的系统优化，到某一个模块的优化，到学术上的贡献，到算子适配设计......学习推荐：作为学生，如果实验室没有卡可以用的话，最好学习开源推理框架，而且对大模型要比较了解，要不断跟进业界开源模型，了解模型最新的改进，比如deepseek的mla，了解不同的系统设计，比如pd分离；如果有卡可以用的话最好自己部署一下不同的模型，并且往最佳实践上靠一下，验证不同算法改进的优势与劣势。若有其他疑惑可直接私我😊，不定时解答一波（图文无关😋）

本人虽然被微软挂了，但是听身边的同行聊起过，微软的面试难度极其大，全英文多轮面试都在考验你的英语功底，各种高难度算法要求你要有极高的算法思维，系统设计深度和超高的沟通要求，能够有自己的思想，和队友一起解决实际问题，团队协作突出都是加分项。能够拿到微软的offer，只能说你是凤中之凤。他还讲了一个吸引人的点，在国外，他们会给予你尊重，理解，真正的把你当个人！

想问下大家有了解这是什么情况的吗，为什么3个志愿同时进行。总共给我发了2个ai面，1个笔试😅😅更新：昨天发面试了，626投递811面试也是没谁了。。。