2020年整理求职笔记时翻出一份2019年寒武纪秋招软件岗笔试的回忆版题目。当时答得磕磕绊绊很多题都是凭感觉蒙的。后来有朋友入职寒武纪我把这份题拿出来重新过了一遍才发现它其实设计得相当讲究——几乎就是AI芯片软件工程师日常工作的浓缩考卷。寒武纪做的是AI芯片所以软件岗笔试跟普通互联网公司的后端笔试路子很不一样光会刷LeetCode、调库是远远不够的它真正想看的是你懂不懂“程序跑在硬件上会发生什么”。如果你是准备去AI芯片公司做算子开发、编译器、推理引擎或者系统软件方向这份卷子值得反复刷。它能帮你检验自己有没有建立“软硬结合”的思维方式而这一关过了面试聊起来会顺手很多。1. 先把这套题的出题逻辑拆开看寒武纪要的软件工程师长什么样1.1 当年的寒武纪处在什么阶段2019年的寒武纪产品线已经不只是“AI芯片”这个抽象概念了。手里有面向云端推理和训练的MLU系列软件栈也在快速迭代。芯片设计出来之后真正的难点是让开发者能轻松把算子跑起来、把性能榨出来这就需要算子库、编译器、运行时、性能调优工具一整套软件体系。而软件岗招人瞄准的正是这些方向。所以你会发现这套笔试题跟寒武纪的业务贴合得特别紧。它很少考“背诵型”知识更多是考“你能不能理解芯片上程序的执行逻辑”。比如为什么这条循环写起来快、那条循环慢为什么多线程下数据会互相踩踏为什么有些代码换个排列顺序性能翻倍——这些问题恰好都是AI芯片软件栈日常要解决的问题。1.2 卷面结构与考察维度回忆版题目大致可以还原成这样一张卷子题型数量覆盖内容选择题25-30道C/C、操作系统、数据结构、计算机网络简答题5-6道计算机体系结构、并发与并行、编译原理基础编程题2-3道卷积、矩阵乘法、链表或LRU等常规算法选择题里面C占比最重其次是操作系统和数据结构。简答题基本不给选择空间都是问“请简述”或“请解释”。编程题则是两道偏底层的一道手写卷积一道矩阵乘法优化。乍一看很常规但每一道题背后都藏着额外考察点后面我会逐个拆。1.3 一条主线串起所有题目我把这份卷子做了个简单归类发现它其实一直在追着一条主线问你怎么让程序在芯片上高效运行C题考察的是你能不能写出没有未定义行为的代码能不能理解对象在内存里的布局。OS题考察的是进程线程、内存管理、并发冲突这些系统级概念你是不是真的理解而不只是背过。体系结构题考察的是现代处理器的存储层次、指令流水线、多核协同你到底摸清了没有。编程题考察的是面对一个计算密集型算子你会不会从访存角度设计算法。这套逻辑放到今天的AI芯片软件岗依然成立只是工具链复杂了、算子规模大了、系统层次更多了。但是底层那几板斧始终绕不开。2. 选择题里那几道坑题C、OS和数据结构一起挖坑2.1 C每道送分题背后都有陷阱C这块的题目难度绝对不算高但是覆盖面很细。我印象最深的几道第一道指针自增的题目。给你一段类似这样的代码int a[2] {10, 20}; int* p a; void* vp p; p p 1; vp (char*)vp 1;问最后p和vp指向哪里。答案其实很简单p1按int类型大小移动也就是移到a[1]而vp1如果按void*做算术运算在标准C里其实是未定义行为常见的编译器会把它当“1字节步长”处理。这个考点就是指针算术依赖所指向类型的大小。实际工程里大量用char*做内存寻址一个字节一个字节地挪所以这个点真的会考。第二道sizeof(空类)等于多少为什么。这个几乎是C笔试的“钉子户”。空类大小为1是为了保证“每个对象都有唯一地址”不然一个空类数组里所有对象地址都会重叠没法区分。还有一道更进阶的如果类里加了虚函数sizeof会变成多少这取决于C标准不说死、但事实标准是“放一个虚表指针”64位平台一般就是8字节。第三道智能指针的引用计数线程安全问题。shared_ptr的引用计数操作是原子的所以多个线程同时拷贝、析构同一个shared_ptr引用计数不会错乱。但要注意它指向的对象本身是不是线程安全是另一回事。这个区分在AI推理引擎里特别常见多个推理请求共享同一个权重张量引用计数是安全的但你往这个张量里写数据就得自己加锁。还有一道C模板的题问模板特化有什么用途。在AI算子库里这个场景太典型了——针对float、half、int8写不同的kernel用特化把类型分派到对应实现上编译期就决定走哪套逻辑跑起来零开销。这道题我觉得出得挺好直接对应了算子库开发的核心手法。2.2 操作系统不是背概念是看视野操作系统部分的选择题没有超纲但需要你真的理解机制不是背定义。进程和线程的区别考了。标准答法是进程是资源分配的基本单位有独立地址空间线程是调度的基本单位共享所属进程的地址空间。但如果只是这么答不完整。寒武纪软件岗比较关注的可能是后续场景在多卡训练里每个进程绑一张卡进程间用集合通信库传数据进程内多线程做算子并行。你要能说清楚什么时候用进程、什么时候用线程以及为什么进程崩溃不会直接带崩邻居、而线程崩溃通常整个进程都完蛋。死锁这道题也是必考。四个必要条件互斥、持有并等待、不可剥夺、循环等待。破坏任意一个就能避免死锁。实际工程里最常见的手段是“打破循环等待”——给资源编号所有线程按固定顺序申请或者用lock_guard配合固定加锁顺序。在AI框架的调度器里多线程同时申请不同的内存池块、锁不同的算子缓冲顺序不一致确实能触发死锁这个我在写推理引擎时就踩过。虚拟内存的题也出现了问的是缺页中断是什么样的过程。程序访问的虚拟地址不在物理内存里CPU触发缺页异常操作系统从磁盘或页面文件把数据换进来然后恢复执行。这个过程对程序员来说是透明的但性能代价极大。在AI训练场景里如果你的数据加载不采用预取机制训练时反复触发缺页每个step都会卡顿。所以很多训练框架在数据加载阶段会做预取、缓存、多进程流水线就是为了躲开“缺页中断暴击”。2.3 数据结构关键是理解数据在内存里怎么流动数据结构的选择题出的都是“有工程上下文”的题。LRU缓存实现——问选择什么数据结构组合。标准答案是哈希表加双向链表哈希表负责O(1)查找双向链表负责O(1)插入和删除。面试官真正的潜台词是你知不知道“删除节点需要拿到前驱指针”这个坑只用单向链表的话删除时要从头遍历那就不是O(1)了。这道题在AI场景里的对应物是算子缓存、模型分块缓存、KV Cache淘汰策略底层逻辑是一致的。红黑树和AVL树的区别也考了。AVL高度更平衡查找更快但插入删除的旋转次数更多红黑树宽松平衡查找稍慢一点但插入删除代价小。Linux内核CFS调度器用红黑树C STL的map/set用红黑树而不是AVL就是看重它写性能更稳。数据库索引用B树又是另一套逻辑因为磁盘是按页读写的B树能把一个节点塞满一页减少磁盘IO次数。这些选择题基本不让你手写树但你要能讲明白“为什么是这个结构”。我后来重新做这些题的时候有个体会寒武纪这套选择题难度不夸张但每道题都踢了一脚“死记硬背”选手。它背后考的是你有没有在真实项目里遇见过这些问题、有没有被坑过、有没有回头研究过为什么。3. 体系结构简答题AI芯片公司笔试的最强分水岭3.1 Cache容量计算题把tag、index、offset算明白简答题第一类典型题是Cache相关的计算和原理题。这种题放在互联网后端笔试里不算高频但在AI芯片公司几乎是必考。有一道比较典型的题假设Cache容量32KB缓存行cacheline大小64B采用4路组相联地址宽度32位。问你offset、index、tag各占多少位Cache里一共有多少组多少行。计算方法如下偏移量offset的位数 log2(64) 6位。每组包含4个cacheline所以每组的数据容量 4 × 64B 256B。组数 32KB / 256B 128组。index位数 log2(128) 7位。tag位数 32 - 7 - 6 19位。这个计算本身不难但它其实是软硬件交互的分水岭。你要是写过基于缓存块对齐的并行代码或者做过算子访存分析就知道这些位宽决定了一件重要的事同一组里的多个cacheline会竞争同一个“槽位”。两个不同的内存地址只要index相同就会映射到同一组。如果这组满了就得逐出一个。当程序的数据访问pattern导致频繁映射冲突时即使数据总量远小于Cache容量也会疯狂miss这就是所谓的“cache thrashing”。在AI算子优化里这个现象特别常见。矩阵分块大小没算好两个矩阵的行列刚好映射到同一组Cache性能瞬间跳水。所以会做性能优化的人和不会的人差距往往就体现在这种细节上。3.2 流水线冒险为什么要理解指令执行的“画面感”流水线相关的简答题考的是五级流水线的基本原理和冒险处理。五级流水线就是取指IF、译码ID、执行EX、访存MEM、写回WB。经典问题判断下面这段指令有没有数据冒险怎么解决。ADD R1, R2, R3 ; R1 R2 R3 SUB R4, R1, R5 ; R4 R1 - R5第二条指令的源操作数R1依赖第一条指令的目的寄存器R1。如果按顺序执行第二条在ID阶段读寄存器但第一条在WB阶段才把结果写回寄存器中间就差了三个周期。这是在五级流水线里典型的数据冒险。解决办法有三种转发forwarding/bypassing、插入气泡stall、编译调度scheduling。转发是把还没写回寄存器的结果直接通过内部数据通路送给需要它的执行单元。硬件上需要在EX/MEM、MEM/WB流水线寄存器后面加多路选择器成本不低但效果很好。最实用的是编译器指令重排把不相关的指令插到两条依赖指令之间让硬件不用停顿。这道题为什么AI芯片公司爱考因为现代CPU性能优化很大程度上就靠流水线和指令级并行。写算子的时候如果循环内部数据依赖严重编译器没法重排流水线只能空转性能就不会好看。理解了流水线的执行画面你在写代码的时候才会主动给编译器制造“独立指令”而不是让它无米下锅。3.3 Cache一致性简答题怎么答得既有深度又接地气多核缓存一致性这道简答题是整份卷子里区分度最高的一道。题目通常这样问多核处理器中每个核都有自己的L1 Cache。当某个核修改了共享内存中的一个变量其他核的Cache怎么办这里对应的核心概念是MESI协议。每个cacheline有四种状态MModified已修改本核独享且被修改数据暂时只在本cache跟主存不一致由本核负责写回。EExclusive独占本核独占内容跟主存一致。SShared共享多个核的cache都可能持有内容一致。IInvalid失效该cacheline内容已经无效访问需要重新读取。某个核写一个处于S状态的cacheline时会先广播一个“写失效”请求通知其他核把对应行置为I然后本核把状态改为M。其他核再读这个数据发现缓存是I就得重新从主存或者其他核那里拿。光把这些背出来只能算及格想拿高分你得补充“软件视角”的分析。有个特别重要的坑叫“伪共享false sharing”两个线程操作不同的变量但这两个变量恰好落在同一个cacheline里。每次线程A改变量线程B的cacheline失效线程B改A的失效。两边不停地发失效广播、重新加载性能瓶颈不在计算而在缓存一致性维护。这在多线程算子并行里经常出现。我写过一个多线程优化后的算子性能不升反降最后一查就是伪共享。解决方式也简单把两个变量padding一下让它们落在不同的cacheline里或者把变量重新排列。问答的时候如果能抛出“伪共享”这个真实工程案例面试官基本就知道你是真写过并行代码的人而不只是背了协议概念。4. 手写卷积和矩阵乘法编程题的考场生存指南4.1 手写卷积先写对循环再谈优化编程题第一道基本都是“请实现一个二维卷积”。坦率地说这个题如果只看算法难度不大但考的是能不能在紧张状态下一次写对边界条件。我给出的考场标准版本是这样void conv2d(const float* input, const float* kernel, float* output, int N, int C, int H, int W, int K, int KH, int KW, int padH, int padW, int strideH, int strideW) { int OH (H 2 * padH - KH) / strideH 1; int OW (W 2 * padW - KW) / strideW 1; for (int n 0; n N; n) { for (int k 0; k K; k) { for (int oh 0; oh OH; oh) { for (int ow 0; ow OW; ow) { float acc 0.0f; for (int c 0; c C; c) { for (int kh 0; kh KH; kh) { for (int kw 0; kw KW; kw) { int ih oh * strideH - padH kh; int iw ow * strideW - padW kw; if (ih 0 ih H iw 0 iw W) { acc input[((n * C c) * H ih) * W iw] * kernel[((k * C c) * KH kh) * KW kw]; } } } } output[((n * K k) * OH oh) * OW ow] acc; } } } } }有几点必须留心输出尺寸公式(H 2*padH - KH) / strideH 1要想清楚最容易写错的地方是padding和stride同时存在时输入坐标的计算。ih oh * strideH - padH kh这里容易搞反的是“先乘stride再减padding”还是“先减padding再乘stride”一旦搞错结果完全不对。累加变量acc的位置。它必须在oh和ow循环里面初始化但不能在c循环里面初始化否则输出就是错的。考场上一紧张很多人把acc 0写在c循环里做出来的结果全是残影。边界条件。题干里的if判断看着冗余但它保证了通用性。如果面试官要求你写“无分支”版本可以提一下用“边界填充”的思想先把输入原始数据拷贝到一块加好padding的缓冲区里然后循环就能省掉坐标判断。这样软件流水线会更漂亮代价是数据拷贝多了一点。在嵌入式芯片上用空间换分支是常见操作。如果时间充足还可以补一句优化方向卷积可以用im2col把问题转化为矩阵乘法然后接一个高效的GEMM实现很多深度学习框架前向卷积早期都这么干。当然更好的思路是Winograd、FFT但在笔试环节能把这个方向点名就已经证明你视野够了。4.2 矩阵乘法循环重排是真正的隐藏得分点第二道编程题更暴露功底实现一个矩阵乘法并说明怎么优化。有些人背了分块算法但没理解为什么块大小往往取在32到128之间。我先说基础版void matmul(const float* A, const float* B, float* C, int M, int N, int K) { for (int i 0; i M; i) { for (int j 0; j N; j) { float sum 0.0f; for (int k 0; k K; k) { sum A[i * K k] * B[k * N j]; } C[i * N j] sum; } } }这段代码逻辑完全正确但运行效率很差因为有严重的Cache局部性问题。内层循环遍历k时A[i*K k]是连续增量访问缓存友好但B[k*N j]的步长是N每换一个k就跳一整个矩阵行缓存命中率极低。一个简单的循环重排就能大幅提升性能。把k循环提上来变成ikj顺序void matmul_ikj(const float* A, const float* B, float* C, int M, int N, int K) { for (int i 0; i M; i) { for (int k 0; k K; k) { float a A[i * K k]; for (int j 0; j N; j) { C[i * N j] a * B[k * N j]; } } } }ikj版本里内层j循环访问B[k*Nj]是连续递增的C[i*Nj]也是连续递增的A的复用值放在寄存器里。整个内层循环三条访存流全部顺序化Cache命中率大幅提升。这个优化不需要任何算法复杂度改进纯粹靠“顺应存储层次”就能带来数倍性能收益。更进一步的优化方向是分块tiling。把矩阵切成小块让小块完全在Cache里反复复用再考虑寄存器级的数据重用、向量化、多线程并行。这些都是加分项但考场上先把ikj写明白已经能拿到大部分分数了。这题还有一个隐含知识点为什么大家总说矩阵乘法是深度学习框架的性能试金石因为它计算密度高、访存需求大一旦访存优化做不好理论算力发挥不出一成。寒武纪这类AI芯片公司招人时特别希望软件工程师对这一点有切身体会。4.3 关于编程题我在考场里踩过的坑和总结的时间分配编程题这部分我当年犯过一个典型的错误第一题卷积我把acc初始化位置写错了第二题矩阵乘法又忘了在处理前把C清零就直接累加。这两处都是低级错误但暴露出的问题很一致——太急了。我的教训是拿到题先花一两分钟把输入输出约束写清楚确定“要不要累加”“边界怎么处理”“累加器放哪个循环”。特别是矩阵乘法如果题意是C A * B你要先清零如果是C A * B就不能清零。考场里多花几十秒读题省下的可能是二十分钟的debug时间。时间分配上我建议整套笔试按“半小时选择题、半小时简答题、一小时编程题”来切。选择题能过就过卡太久回头再想简答题能多写就多写尤其是伪共享、边界情况处理这类细节写上就是加分项编程题留足时间先用注释把步骤写出来再补代码不要一上来就敲键盘。5. 放到时间轴上看这份2019年的笔试从NeuWare到MagicMind考的东西变了吗5.1 当年笔试对应的是软件栈的哪一个环节2019年的时候寒武纪的软件栈还围绕NeuWare、编译器、算子库、运行时以及各种工具链在构建。那时候工作重心更多在“让芯片跑起来”需要大量写底层算子和做性能优化的软件工程师。笔试里考手写卷积、矩阵乘法循环重排本质上就是在筛选“能直接上手写算子”的人。回忆版卷子里出现的Cache计算、流水线冒险、缓存一致性也不是象牙塔理论它们是算子优化和内核开发的日常。你在写一个高效卷积算子时要考虑向量化、要考虑数据布局、要考虑多核访存冲突这些在笔试选择题里都能找到影子。现在回头梳理寒武纪这套题目设计得很克制它没有考深度学习推理框架的前向图优化也没有考分布式训练细节那些是高级岗位或者后续面试的事笔试阶段只筛基础。5.2 MagicMind时代对软件工程师的要求变化后来寒武纪推出了MagicMind这一套AI加速软件栈覆盖训练和推理目标是把算法工程师从底层算子适配里解放出来。从开发者社区可以下载到MagicMind自己跑一遍模型转换和推理加速就能直观感受到软件栈的演进现在很多模型迁移工作不再需要你手动写每一个算子而是通过图优化、算子融合、自动调优来完成。但这不意味着底层功底的权重降低了。恰恰相反图优化里涉及张量生命周期分析、内存复用、算子调度这些要求的底层能力跟笔试考的内容高度同源。你懂不懂Cache直接影响你判断一个融合算子的性能收益你懂不懂流水线影响你对指令调度方案的分析你懂不懂多核一致性影响你在多线程并行时避开伪共享。工具变了、层次变了、封装变高了但底层判断力没法封装。5.3 给准备AI芯片软件岗的人三条可执行的准备建议结合这份卷子和后来整个行业软件栈的发展我给后来者三条实在建议第一亲手写一遍朴素版本的卷积和矩阵乘法不要用任何深度学习框架就是纯C手动实现并验证结果。写完之后做两件事一是把循环顺序换成ikj对比性能二是改一个参数比如把内核大小从3×3改成5×5再检查边界条件。这个过程能帮你把笔试高频考点消化成肌肉记忆。第二把计算机体系结构里Cache和流水线两个章节吃透不要只停留在名词解释。推荐结合具体例子做计算比如算完一组组相联Cache的tag、index、offset再问自己“假如循环步长正好等于整个Cache大小会发生什么”。如果你能自己推导出cache thrashing现象并且知道怎么用padding或循环分块来避免那这类题目基本稳了。第三去寒武纪开发者社区把MagicMind下载下来跑一个实际模型。不是要你搞多深而是体验一下模型从框架导出、编译、量化、部署到推理的全流程。你会在里面看到算子的输入输出约束、内存分配策略、性能profiling数据。这些实际体验看起来跟笔试没关系但笔试里很多关于数据布局、显存管理、性能瓶颈的选择题如果你上手跑过一遍直觉会比死记硬背准确得多。我后来跟一个入职寒武纪的室友聊起这份卷子他说真正让他通过面试的不是编程题写得多快而是简答题里他对缓存一致性那段分析让面试官觉得他有系统思维。这个说法我到现在都很认同。如果你的目标也是AI芯片软件岗建议把这份卷子里的每一道题当成一个入口往深处挖一层——比如LRU背后的缓存淘汰思想、卷积边界条件背后的通用计算逻辑、矩阵乘法循环重排背后的访存局部性原理。挖完你会发现你收获的远远不止一份笔试题的答案而是整个AI芯片软件栈的地基。