AI SDK Software Engineer

优缺点分析

角色解读

• 从SDK开发工程师成长为深度学习推理优化专家，主导算法在硬件上的极致加速
• 可向AI工具链架构师或技术主管方向发展，负责团队技术路线和架构设计
• 深入汽车ADAS/自动驾驶领域，成为车载AI平台的核心技术骨干
• 开发和维护高通神经网络SDK，负责QNN/AI Engine Direct SDK的功能增强和Bug修复
• 使用Hexagon DSP或SIMD加速器开发高性能神经网络算子内核，优化模型在嵌入式平台上的推理速度
• 对深度学习模型进行量化感知训练和训练后量化，使用高通AI工具链进行精度调优和性能分析
• 与全球团队协作，支持客户在Snapdragon芯片上高效部署ADAS、GenAI等神经网络模型
• 精通C++和Python，具备扎实的软件工程基础，能独立完成边缘平台项目
• 熟悉深度学习框架（PyTorch、ONNX）和推理引擎（QNN、TfLite等），理解神经网络量化技术
• 掌握并行编程（OpenCL、NEON、OpenMP等）和ARM架构，有DSP开发经验者更佳
• 具备模型性能分析和调试能力，善于解决嵌入式系统上的性能瓶颈

申请策略

• 高通注重技术深度和实际动手能力，简历中最好附上个人GitHub或技术博客链接
• 面试前了解高通Snapdragon系列芯片的AI架构，尤其是Hexagon DSP和Adreno GPU的能力
• 突出C++和Python的项目经验，特别是嵌入式平台或移动端的开发经历
• 强调参与过深度学习模型部署或推理引擎优化的项目，量化相关经验尤为重要
• 展示对ARM/DSP架构的理解，如有Hexagon或NEON优化经历务必详述
• 体现团队协作和跨文化沟通能力，如参与过跨国项目或开源社区贡献
• 系统学习ONNX QDQ、TensorRT等量化框架，动手实践模型量化与精度调优
• 补充DSP编程知识（如Hexagon SDK），了解SIMD和并行计算原理

面试指南

• 对于优化问题：按“问题背景-解决方案-实验对比-结论”结构回答，强调量化、算子融合、内存优化等具体技术
• 对于概念问题：先给出定义，再对比异同，最后结合实际项目举例说明
• 对于调试问题：从“复现问题-定位根因-修复验证”三步走，体现系统性思维
• 请描述一个你曾经优化的深度学习模型，如何提高其在嵌入式设备上的推理速度？
• 解释量化感知训练（QAT）和训练后量化（PTQ）的区别，以及各自的适用场景
• 如何在ARM架构上使用NEON指令集优化卷积运算？请举例说明
• 你如何调试一个推理引擎中的精度下降问题？请描述你的排查思路
• 你对高通Hexagon DSP了解多少？它是如何与CPU/GPU协同工作的？