AI infra 面试题库:91 道大厂面试真题!

投 AI infra 或者 MLSys 岗的人，多半都撞过这种墙：八股背了一堆，真坐到面试官对面，人家换种问法就卡壳。不是没学过，是学的时候只记了名词，没把链路顺下来。

这本「AI infra 大厂面试题库」做的就是这件事，91 道题，11 章，从 GPU 怎么算峰值算力，一路排到万卡集群的通信瓶颈怎么定位。它不按八股来，每道题先讲清楚在考什么，再给自然回答，顺带把面试官爱追问的点和容易踩的坑都标出来。

认知篇我先翻的，它把 infra 岗和算法岗的分水岭讲得很实在：算法岗盯 loss 掉没掉，infra 岗盯几千张卡跑没跑满、通信是不是成了瓶颈。这个区分一立住，后面所有题都有了抓手。

GPU 那章全是定量活。Roofline 怎么判断一个算子是受算力还是受带宽限制，MFU 实际训练一般落到 40% 到 55%、低了怎么查，HBM 带宽和容量为什么是训练瓶颈，A100 和 H100 的规格量级差在哪。这些题最考真功夫，因为光背名词没用，得徒手写得出估算。

分布式训练两章是重头。数据并行每张卡存什么、通信什么，ZeRO 三个阶段分别把优化器状态、梯度、参数哪块分片、显存省多少，张量并行怎么按行按列切权重矩阵、通信点在哪，流水线并行的气泡怎么压。读下来最大的感觉是，以前这些词我都会念，真要自己拍板一个百亿模型怎么切，心里是虚的，这本题把那层虚补上了。

推理那几章我建议重点看。现在大模型推理最缺人，PagedAttention 为什么能省这么多显存、连续批处理怎么把吞吐拉起来、KV Cache 量化怎么玩、投机解码怎么加速，都讲到了。还有一张能力维度速查表，按能力轴把 91 道题重新索引了一遍，刷题前先扫一眼，哪根轴发虚直接跳对应章节补。

大厂真题那章是压轴，20 道网传整理的题目，从显存不够怎么估算拆解、千卡通信 hang 怎么排查，到推理延迟高怎么拆 prefill 和 decode。提醒一句，这章标注了网传整理非官方，当练手思路用，别当标准答案背。

认知篇里专门教你怎么用这份题库做自检，分三遍过，第一遍通读标红，第二遍专挑定量题徒手算，第三遍把追问当模拟面试自测。光刷过没用，开口讲得顺才算真会。

我和它配套的还有一本「AI infra 技术全景与实战」，100 页讲链路，这本讲怎么答，两本搭着用最顺。

面试题库这种东西，背答案最没用，它最值钱的地方是逼你开口讲、顺着追问往下挖。照着练两遍，比临时刷八股管用。