AI Infra 面试题
共 14 篇真实面经 · 涵盖 字节跳动 / 元戎启行 / 滴滴 / Kimi / 腾讯 等 10 家公司
字节 AI Infra 三面：CUDA Graph 与 TP 并行的卡死排查
字节 AI Infra 三面面经，主线是分布式训练与算子开发：CUDA Graph 与 TP 并行同时启用导致卡死的定位过程、Triton/CuTe 这类 DSL 的价值、MoE 训练里 Router Replay 与 EP 并行、滑动窗口 Attention 的确定性反向优化，以及国产 GPU 上的算子 Benchmark 方法。
元戎启行 OC 了，讲讲我的来时路（AI Infra 方向求职复盘）
一位中下 9 本候选人的元戎启行 AI Infra 方向求职复盘：7 月中旬投递、8 月初一二面、9 月初 HR 面、9 月底 OC。核心方法不是一上来刷题，而是先把目标行业和目标岗位弄明白——通过看 JD、看员工分享、用面试本身检验认知，再针对岗位考察重点准备项目梳理。
滴滴 AI Infra 算法岗一二面面经
滴滴 AI Infra 算法岗一二面：一面考 Attention 优化、KV Cache 显存计算与 ZeRO 分片；二面深挖流水线调度、分布式 Decode 与 PyTorch 编译栈。
滴滴 AI Infra 算法岗一二面面经
滴滴 AI Infra 算法岗一二面面经：一面考 Attention 架构优化、KV Cache 管理、MLA 与线性注意力、GQA 显存估算与 DeepSpeed ZeRO，二面追问调度细节并手撕 CUDA 算子。
Kimi AI Infra 算法一面
Kimi AI Infra 算法一面面经，10 问全在分布式训练与 GPU 底层：DeepEP 两种模式取舍、Ulysses 与 Ring Attention 对比、DCP 分片注意力、Online Softmax 与 Blackwell 架构演进。
Kimi AI Infra 算法一面
Kimi AI Infra 算法一面面经，10 问全在分布式训练与 GPU 底层：DeepEP 两种模式取舍、Ulysses 与 Ring Attention 对比、DCP 分片注意力、Online Softmax 与 Blackwell 架构演进。
腾讯混元 AI Infra 一面
腾讯混元 AI Infra 一面面经，围绕大模型训练的四种并行展开：TP 的切分维度与通信、集合通信量怎么算与何时判定通信瓶颈、DP 与 TP 的取舍及训练与推理的差异、PP 的 Stage 划分与 Bubble，以及 CP 在长上下文场景下的跨卡 Attention。
智元机器人高性能计算一面：DCU、warp 分支与 AVX-512
智元机器人 Genie 业务部高性能计算工程师一面面经，15 分钟、无手撕八股：项目拷打 DCU 与 GPU 对比、warp 分支解法、AVX-512 及其对齐与精度约束，再谈 GPU 硬件与大语言模型理解，末尾反问集群与技术栈。
AI Infra 求职劝退贴：面试官建议与个人复盘
AI Infra 方向求职劝退贴：作者面试某大厂日常实习后，记录面试官给出的五条建议（岗位极度内卷、算子被 AI 冲击、国产芯片迁移难等），并复盘纯 infra 岗全挂的原因、可行的替代方向与选路自查清单。
阿里云 AI Infra 一面面经：Agentic RL 训练岗
阿里云 AI Infra 一面记录，面向 Agentic RL 训练岗：先做三道按简历定制的题（限时 40 分钟三选二）并讲解思路，随后深挖 OPD 蒸馏动机与数据筛选、过程奖励与结果奖励的区别、多轮对话双层奖励与用户模拟器构造、转人工率评测与 A/B 设计，以及 verl 中 AgentLoop 的特点。
快手 AI Infra 一面面经：Attention 算子优化、prefill 与 decode 调度及量化
快手 AI Infra 一面面经：围绕 Attention 重构与模型部署追问，考察 Triton 算子、profile 与 Roofline 分析、prefill 与 decode 调度、线性注意力，以及 AWQ 与 W8A16。
快手 AI Infra 一面面经（同场重复投稿）：Attention 算子优化、prefill 与 decode 调度及量化
快手 AI Infra 一面面经（同场重复投稿，题目与另一篇相同）：围绕 Attention 重构、Triton 算子、profile 与 Roofline、prefill 与 decode 调度、线性注意力、AWQ 与 W8A16 追问。
快手 AI Infra 算法岗二面面经：分布式训练与推理、高并发系统设计
快手 AI Infra 算法岗二面面经：从分布式训练解决的问题、流水线并行的实现逻辑与短板，问到分布式推理的痛点、离线推理的吞吐优化手段、时延与吞吐的关系，并追问组 batch 重构会不会引入训练或推理的随机性；后半段转向 Java/MySQL 基础与 12306 高并发架构设计，手撕链表两数相加。
拼多多 AI Infra 提前批一面：前缀和算法题与推测解码深挖
拼多多 AI Infra 提前批一面面经，约 30 分钟算法题（删除一段连续区间使剩余和能被 K 整除，追问前缀和取模加哈希优化），随后深挖推测解码项目与 vLLM、KV Cache、PagedAttention、FlashAttention 等推理框架原理。
微信小程序
手机上刷面经，随时随地
扫码 / 长按识别，免下载直接打开
或在微信 搜一搜「面灵面经」