hpc高性能方向为了找工作如何学习？

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😋）

个人背景： 本科双非院校，硕士就读于杭电（杭州电子科技大学），将于明年（2026年）6月毕业。实习经历对比：上一段（6月初-7月中旬）： 某AI计算卡独角兽公司，AI推理框架开发工程师岗。主要负责框架测试和模型验证。团队氛围、管理方式、领导都非常好，业务本身属于风口，我的个人兴趣浓厚。但公司HR反馈转正机会极少（需实习约两年）。目前已离职。当前（7月中旬至今）： 海康威视，嵌入式Linux应用开发岗（传统业务部门）。实习满2个月可获得转正答辩机会。目前主要在学习自研工具和熟悉业务，尚未进入开发阶段。感觉技术栈相对传统稳定，个人兴趣远低于上一份实习。核心职业困惑：兴趣与前景的强烈冲突：对比两段实习后，我对AI Infra方向产生了强烈偏好，且该领域薪资远超嵌入式。但秋招现实是：AI Infra岗位稀少，双非学历与985竞争者相比劣势显著。短期策略的纠结：嵌入式（海康）路径： 更稳妥，更容易在秋招中获得转正/工作机会（保底意义）。AI Infra路径： 热情所在，但需解决竞争劣势问题。目前状态：白天海康工作，晚上兼顾科研和自学AI Infra项目，精力严重不足。寻求决策建议：选项A： 继续留在海康满2个月拿到转正答辩机会（作为秋招保底）？选项B： 放弃海康实习，争取在秋招前增加一段AI Infra实习经历（目标3-4个月）以弥补学历劣势？观察到前公司正在招聘同岗位实习生（离职时关系良好，是否值得尝试争取回归？）。若无法回归，是否应全力寻找其他同类公司实习积累经验？恳请大家基于我的背景和当下困境，在方向和策略上给予宝贵的指导~

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。。。