AI Infrastructure Software Engineer

优缺点分析

角色解读

• 从NPU驱动工程师成长为AI芯片软件架构师，深入底层软硬件协同设计
• 向AI基础设施团队负责人或技术专家发展，领导复杂项目
• 有机会转向AI算法部署或系统性能优化等方向，拓展技术广度
• 负责高通NPU（神经网络处理单元）驱动与基础设施的软件开发和维护，包括新功能设计和客户需求实现
• 优化NPU RPC性能和软件交互路径，提升AI算法部署的端到端效率
• 与AI软件、驱动、内核团队及外部OEM客户协作，解决集成问题，推动紧急问题解决
• 精通C/C++，具备Linux应用和驱动开发经验，扎实的嵌入式系统知识
• 熟悉AI开发工具（如Claude、Codex），能够利用AI提升开发效率
• 具备良好的团队协作和沟通能力，能够用英语进行技术交流

申请策略

• 在简历中量化过往项目的性能优化成果，如延迟降低、吞吐量提升等
• 关注高通AI平台的最新动态，面试时展现对产品的理解
• 突出Linux驱动开发经验，尤其是字符设备、PCIe或DMA相关项目
• 强调C/C++编程能力，可附上GitHub或代码示例
• 提及任何AI框架（如TensorFlow、PyTorch）使用经验，特别是模型部署或优化相关
• 学习高通Hexagon SDK、QNN或SNPE的基本概念，即使没有实际经验也可展示学习能力
• 熟悉Linux内核模块开发和调试工具（如ftrace、perf）
• 了解AI编译器和NPU架构基础知识

面试指南

• 使用STAR法则（情境-任务-行动-结果）回答问题，突出个人贡献和技术深度
• 对于优化类问题，先定位瓶颈，再提出优化方案，最后量化效果
• 展示系统性思维：从硬件到软件栈、从驱动到应用的全局视角
• 请描述你参与过的Linux驱动开发项目，遇到的挑战及解决方案
• 如何调试内核驱动导致的内存泄漏或性能问题？
• 解释NPU RPC通信的工作原理，如何优化其性能？
• 你使用过哪些AI开发工具？它们如何提升你的效率？
• 描述一次与跨团队协作解决客户紧急问题的经历