今年投的面試裡，英偉達這輪算是我最能感受到“技術深度差距”的一場。
NVIDIA SDE 不是那種高壓式拷打，但你能明顯感覺到——面試官每問一個問題，都來自他真實踩過的坑，而不是背題庫。
整個流程 45 分鐘左右，前半段是帶技術味的 BQ，後半段是現場 Coding。
下面分環節說。
行為面（其實是技術深挖）：講過的每個 GPU 專案，都要經得住拆
面試官一開場就讓我選一個 GPU / 平行計算相關的專案講。我挑了之前做的 CUDA kernel 最佳化。
但剛開講我就意識到：
NVIDIA 的“講專案”不是讓你講故事，是讓你拆工程細節。
對方的問題節奏大概是這樣的：
- “你在這個專案裡真正負責的是哪部分？kernel 的哪段邏輯？”
一句話把“泛泛講框架”堵死了。 - “profiling 的時候你具體看哪些指標？SM occupancy？warp divergence？memory throughput？”
你看過就看過，沒看過一問就露餡。 - “你為什麼能判斷瓶頸在 memory bandwidth 而不是 compute unit？”
這個問題其實是在看你是否知道 bandwidth-bound / compute-bound 的判斷方法。
整個過程給我的感受是：
你可以沒有做得很複雜，但你說的每一句都必須基於真實經驗。
CUDA Kernel 最佳化思路：你會不會“堆概念”，面試官一聽就知道
第二部分繼續順著 CUDA 最佳化問。
這類問題很多公司也會問，但英偉達的角度比較“工程”。比如：
- 什麼時候用 shared memory？
- block / grid 為什麼這樣切？
- warp divergence 在你專案裡怎麼體現？
- 為什麼這麼最佳化？具體收益多少？
你要能解釋“為什麼這樣做”，而不是“別人都這麼做”。
嵌入式效能瓶頸：Jetson Nano 上的 trade-off 怎麼做？
這題我覺得是英偉達特色題。
面試官直接問：
“如果你的模型要部署在 Jetson Nano，你怎麼在效能、功耗、視訊記憶體之間平衡？”
我提了 quantization、pruning、kernel fusion、batch size 等等。
但面試官追問的方向很實際：
- 你如何判斷當前瓶頸？
- 你怎麼知道是 memory bound？
- 有資料嗎？有 profiling 圖嗎？
我當時心裡想：
英偉達面試官真的都喜歡 Nsight 圖啊……
Coding（共享 codepad）：題不難，但“講清楚比寫對更重要”
整體難度不高，但每一步的邏輯、公式來源都要解釋，尤其是第一題。
題 1：Clock Angle（時鐘指標夾角）
給一個時間，比如 "3:45"，算時針和分針的夾角。
面試官特別強調：
“公式不能直接寫，要說為什麼是這個公式。”
我按正常的方法講：
- 分針：一分鐘 6°
- 時針：一小時 30°；一分鐘額外 0.5°
- 先算兩個相對 12 點的角度
- 差值如果 >180°，用 360° – diff
講完面試官點點頭，又丟出 follow-up：
“如果給到秒甚至毫秒呢？”
這其實考你能不能把“離散角度”換成“連續角度”，把每個指標的角速度講清楚。
題 2：多執行緒順序列印
要求三個執行緒 A/B/C 迴圈按順序列印數字。
我用 semaphore 寫的：
- A 先拿到許可 → 列印 → 放行 B
- B 列印 → 放行 C
- C 列印 → 放行 A
- 計數器用鎖保護，避免 race condition
這裡面試官關注的不是你用什麼庫，而是：
你是否真的理解執行緒之間是怎麼“把執行權交給下一個人”的。
這輪下來，我對 NVIDIA 面試最大的感受
如果用一句話總結：
英偉達想知道你是否真的寫過 CUDA 和 profiling，而不是“知道 CUDA 是什麼”。
他們的問題全是工程化細節，不是八股。
如果你未來要面 NVIDIA 的 GPU / 並行方向崗位，我覺得最該準備的不是 LeetCode，而是：
- kernel 最佳化的真實經驗
- Nsight / nvprof 做 profiling 的理解
- 如何判斷效能瓶頸
- embedded 場景的功耗/效能 trade-off
Coding 不難，但解釋思路的清晰程度非常重要。
最怕的深挖追問，靠遠端助攻穩了
英偉達 VO 最慌的就是 “突然換角度 + 死磕細節”—— 尤其 CUDA kernel profiling 和 embedded 場景 trade-off，我之前準備得稀碎…
還好面前兩天緊急衝了 Programhelp 的 VO 遠端助攻，體驗直接超出預期！
全程實時語音帶節奏，像身邊站了個冷靜到離譜的教練：卡殼時立刻提醒 “先講 profiling 核心指標”思路跑偏就拉回 “往 compute-bound vs memory-bound 推導”還會補刀 “這裡加個依據，不然必被追問”
對 VO 高密度問答容易慌、GPU/CUDA 背景不紮實的朋友，這波助攻是真能救場，臨場表現直接拉滿！
