2026 Intern(6 months)-ADAS AI Customer Engineer

优缺点分析

角色解读

• 实习期满后有机会转正为正式员工，向AI工程师或系统软件工程师发展
• 可深入ADAS和自动驾驶领域，成为算法优化或平台开发专家
• 积累大厂经验后，也可向芯片厂商的AI工具链、编译器方向拓展
• 研究和优化AI/ML算法，提升模型在高通骁龙平台上的推理效率
• 参与ADAS流水线软件开发，覆盖CPU、GPU、HTP、DSP等多核心架构
• 部署视觉算法和大模型应用，开发基于骁龙平台的AI解决方案
• 扎实的C/C++和Python编程能力，熟悉gdb或pdb调试工具
• 对机器学习模型性能评估、编译器概念（如LLVM IR）有基本理解
• 具备Linux或QNX操作系统经验，了解嵌入式系统开发
• 良好的英语沟通和团队协作能力

申请策略

• 提前了解高通的AI平台（如Snapdragon Neural Processing Engine），在面试中展现兴趣
• 准备一段英文自我介绍，因为工作环境需要英语沟通
• 突出相关项目经历，如ML模型优化、部署或ADAS相关课题
• 强调编程技能，特别是C/C++和Python，以及debug经验
• 展示编译器或操作系统底层知识，如LLVM、Linux内核等
• 复习ML模型压缩、量化、剪枝等优化技术
• 学习Qualcomm SNPE或类似推理框架的基础用法
• 巩固操作系统（Linux/QNX）和嵌入式开发基础

面试指南

• 对于优化问题：从模型压缩、量化、算子融合、硬件加速等角度回答，结合具体工具（如SNPE）
• 对于调试问题：按照问题描述、定位过程、解决步骤、反思的结构化方式回答
• 对于编译器问题：先解释IR的作用，再举例LLVM的Pass流程，展示理解深度
• 请解释如何优化一个深度学习模型在移动端的推理速度
• 描述你在C/C++或Python中遇到的一个复杂bug，并说明如何调试
• 你对编译器中间表示（IR）有什么了解？LLVM IR如何工作？
• 什么是ADAS？你了解哪些L2/L3级自动驾驶技术？
• 如何在嵌入式设备上部署一个视觉模型？考虑哪些因素？