嵌入式 AI 工程师一面、二面面经

感觉自己好菜、面试很难，还是要多多练习

投的是宇树机器人这块的嵌入式 AI 岗，base 杭州 做的是端侧模型部署。

两轮技术面，模型压缩和部署那块问得很细。

先说个整体感受：这岗是交叉的，纯搞算法的和纯搞嵌入式的进去都会有短板。

它不要求你会训模型，但要求你懂模型怎么在资源有限的板子上跑起来、跑得快、还不影响机器人本身的实时控制。

我嵌入式底子还行，AI 不够。

一面 技术面 约 55min

对着简历问，中间穿插基础，最后手撕。

先自我介绍，然后挑一个最有挑战的项目讲，我讲了个在板子上跑视觉模型的项目，问了十几分钟，

主要问模型多大、推理多久一帧、内存占多少、怎么压下来的。

• volatile 什么场景必须加，读寄存器和中断标志为什么要加
• static 修饰局部、全局、函数分别啥效果
• 结构体内存对齐，给了个结构体算大小，再问怎么重排省内存
• 指针和数组的区别，函数传数组的时候实际传了什么
• 堆和栈的区别，模型的权重和中间结果一般放哪
• malloc 在嵌入式上有什么风险，内存碎片怎么产生的
• 浮点和定点的区别，为什么模型量化要转定点
• 大小端怎么判断，模型文件跨平台加载为什么要注意字节序
• 进程和线程的区别，推理任务你会开线程还是单独进程
• cache 是干嘛的，为什么访问内存的顺序会影响速度
• 手撕：实现一个二维卷积的朴素版本，然后问怎么优化
• 手撕追问：循环顺序换一下为什么会快，跟 cache 有什么关系

卷积那道我写出来了，但优化那部分只答了循环展开和减少重复计算，面试官提了 cache 局部性我才反应过来，答得有点被动。

一面整体不算难，主要是覆盖面广。

二面 技术面 约 1h15min

这轮我吃力得很。

• 模型量化的原理是什么，int8 量化具体怎么把浮点映射过去的
• 对称量化和非对称量化区别在哪，什么时候用哪个
• 量化之后精度掉了，你会从哪几个方向找原因
• 训练后量化和量化感知训练的区别，各自什么场景
• 剪枝是怎么回事，结构化和非结构化剪枝在部署上差别大吗
• 知识蒸馏大概怎么工作的
• 算子融合是干嘛的，为什么能提速，一般融哪些层
• 模型部署的完整流程讲一遍，从训练好的模型到板子上跑起来
• ONNX 是干嘛的，为什么要有中间表示这一层
• 推理框架你用过哪些，TensorRT 或者 TFLite 的大致工作流程
• NPU 和 CPU、GPU 算矩阵有什么本质区别，为什么 NPU 效率高
• 一个模型在板子上跑得慢，你怎么定位是算力瓶颈还是内存带宽瓶颈
• 内存带宽为什么会成为瓶颈，怎么减少数据搬运
• 零拷贝在推理链路里怎么做，图像从摄像头到模型输入这一路怎么优化
• 推理任务和机器人的实时控制任务抢 CPU 怎么办，怎么保证控制不被饿死
• 多个模型要在一块板子上跑，你怎么调度和分配资源

二面出来感觉一般，感觉有点挂的意思 整体情绪我比较紧张。

两面下来的体感

这岗最大的特点就是交叉 volatile、内存对齐、指针、内存碎片、cache 这些；

AI 那半边主要不是算法本身，是部署和优化——量化、剪枝、算子融合、推理框架、NPU、内存带宽，这些才是重点。

如果你是嵌入式出身，学学模型压缩和部署这条链（量化原理、ONNX、推理框架的工作流程、算子融合）

我自己就是嵌入式出身，底层那部分答的还行，AI 部署我学的时间太少了 ，后续二面挂了。

嵌入式那半边我是跟着牛客那个《嵌入式软件工程师面试完全指南》过的，像 volatile、内存对齐、指针、内存管理、cache 这些通用题里面基本都能对上

链接放这,按需自取:

<a href="https://gw-c.nowcoder.com/api/sparta/jump/link?link=https%3A%2F%2Fgw-c.nowcoder.com%2Fapi%2Fsparta%2Fjump%2Flink%3Flink%3Dhttps%253A%252F%252Fgw-c.nowcoder.com%252Fapi%252Fsparta%252Fjump%252Flink%253Flink%253Dhttps%25253A%25252F%25252Fgw-c.nowcoder.com%25252Fapi%25252Fsparta%25252Fjump%25252Flink%25253Flink%25253Dhttps%2525253A%2525252F%2525252Fwww.nowcoder.com%2525252Fcreation%2525252Fmanager%2525252FcolumnDetail%2525252FMJNwoM" target="_blank">https://www.nowcoder.com/creation/manager/columnDetail/MJNwoM</a>

两面都走完了，后续二面挂了。这方向确实热，但交叉岗对两边的要求都不低半。