GPU 体系结构校招拆解：SIMT 执行、访存层次与性能建模

岗位与去向

GPU/AI 芯片公司的体系结构、性能建模与架构验证岗；国产 GPU 厂商与大厂自研芯片团队是校招主力，AI 算力扩张下需求持续。

知识考点

1. SIMT：warp 的调度与分支发散代价；与 SIMD 的本质区别。
2. 访存层次：全局内存合并访问的条件；shared memory 的 bank conflict。
3. 流水线：GPU 为什么用大量线程隐藏延迟而不是乱序执行？
4. 互连与一致性：多 SM 间的 L2 共享；GPU 需要什么级别的缓存一致性。
5. 性能建模：roofline 模型怎么判断算子是计算受限还是带宽受限。
6. AI 负载：GEMM 在 tensor core 上的映射；KV cache 对显存带宽的压力。

面试重点

• 推演题：给一个矩阵乘 kernel，分析它的算术强度并预测瓶颈。
• 设计题：如果 warp 大小从 32 改为 64，对调度器和寄存器堆有什么影响？
• 项目追问：性能模拟器/RTL/CUDA 项目的建模精度与验证方法。

准备建议

• 精读 GPGPU-Sim 或 gem5 的 GPU 模型文档，跑通一个 benchmark 并解读输出。
• 用 Nsight Compute 对一个自写 kernel 做 profiling，把优化前后数据写进简历。
• 体系结构课本（量化研究方法）GPU 章节 + 一篇近年 ISCA/MICRO GPU 论文精读。