AI 芯片软件栈与海光 DCU 和 CUDA 生态的异同
哪些公司问过
答案要点
- 软件栈分层:驱动/运行时 → 编程模型与编译器 → 算子库与通信库 → 图编译/推理优化 → 深度学习框架
- NVIDIA 侧代表:CUDA Runtime、NVCC、cuBLAS、cuDNN、NCCL、TensorRT
- 海光 DCU 侧:DTK 软件栈,基于 ROCm 路线,用 HIP 提供类 CUDA 接口,有对应的数学库和通信库
- 迁移方式:用 hipify 等工具把 CUDA 源码转成 HIP,再在 DCU 上编译和调优
- 兼容的是源码层面的 API,不是二进制和硬件细节,性能需要重新调优
易错点
- 把「兼容 CUDA」理解成二进制兼容:实际是源码级兼容,需要重新编译
- 只讲 API 层而忽略性能可移植性:同一份 kernel 在不同架构上性能差异可能很大
- 把 TVM、XLA 和算子库混为一谈:前者是编译器,生成或调度算子;后者是手写优化好的函数库
面试官常见追问
- 海光的 DCU 和 GPU 有什么差别?
- CUDA 生态的算子库能直接用在海光上吗?
- 接口差不多,为什么不只改 API 就行?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。