GPU выбирают не по магии цифр — и это полезно помнить, когда собеседуешь инженера под ML/infra.

GPU выбирают не по магии цифр — и это полезно помнить, когда собеседуешь инженера под ML/infra.

H100, HBM, NVLink, Tensor Cores, FP8, PCIe — слова знакомые, но часто вилка знаний заканчивается на «у этой карты больше VRAM, значит она лучше». Нет. Если кандидат предлагает заменить одну H100 на десять RTX 1080 «потому что суммарно памяти столько же», это не про оптимизацию, а про игнорирование архитектуры.

Для рекрутеров и hiring managers тут важен не сам список терминов, а логика мышления:
— понимает ли человек, что память и пропускная способность — разные вещи;
— умеет ли выбирать железо под задачу, а не под красивый прайс;
— видит ли узкие места: interconnect, bandwidth, precision, latency.

В интервью такие темы быстро показывают, кто реально работал с инфраструктурой, а кто просто читал спецификации. ⚙️

Если роль про AI, HPC или облака — просите кандидата объяснить выбор GPU на конкретном кейсе. Ответы тут обычно честнее любого резюме.