智慧系统高级Android工程师(J15778)

优缺点分析

角色解读

• 从端侧AI工程师向AI系统架构师或端侧大模型技术专家发展
• 未来可负责更复杂的跨终端AI生态架构，成为移动端AI底层技术的核心骨干
• 负责Android智能终端的AI算法（语音、图像、大模型）工程化落地与系统级服务开发
• 主导端云交互SDK设计，以及端侧大模型推理引擎的架构设计、集成与性能优化
• 开发AI相关算法与服务的全链路性能分析和问题定位工具，保障多模态算法引擎的运行效果
• 精通Android/Linux/RTOS系统开发，熟练掌握Java/Kotlin/C++至少一种语言
• 具备端侧AI SDK部署、大模型推理优化及多模态算法工程化的实际项目经验
• 拥有较强的底层系统性能调优能力与跨团队沟通协作能力

申请策略

• 了解传音在非洲及新兴市场的智能终端产品线，思考端侧AI在特定场景（如多语种语音、暗光图像）下的优化策略
• 突出端侧AI SDK部署、大模型推理优化或语音/图像算法工程化的实际项目经验与量化收益
• 强调在Android/Linux/RTOS多系统下的独立开发能力与底层性能调优经验
• 深入学习端侧大模型推理框架（如MNN、NCNN等）及模型量化压缩技术
• 提升C++高级特性与底层系统内存、CPU调度的性能调优能力

面试指南

• 采用STAR法则，结合具体项目背景，阐述问题难点、技术方案选型（如模型量化、算子优化、内存池管理）及最终收益（如帧率提升、功耗降低）
• 端侧大模型推理引擎在资源受限设备上的性能优化策略有哪些？
• 如何设计一个面向多终端的端云交互SDK以保证兼容性和稳定性？
• 在Android/Linux/RTOS系统开发中，遇到过哪些内存或CPU调度的疑难问题，如何解决的？
• 请分享一个你主导的AI算法工程化落地项目，遇到了哪些技术难点？
• 复习Android底层机制（Binder、内存管理）及C++高级特性
• 准备1-2个端侧AI算法落地或SDK设计的完整项目案例，梳理技术细节与踩坑经验