AI Infrastructure Software Engineer

优缺点分析

角色解读

• 在AI芯片基础设施领域深入发展，成为NPU驱动或AI软件栈的专家
• 向技术Leader或架构师方向演进，负责更大范围的技术决策和团队指导
• 可跨领域转向AI算法部署、系统性能优化或芯片验证等方向
• 设计、开发和维护高通平台上的NPU相关新功能和客户需求，确保AI功能的及时交付
• 优化NPU驱动性能、RPC通信效率和算法部署流程，降低客户集成复杂度
• 与内部AI、驱动、内核团队及外部OEM客户协作，推动紧急问题解决和技术指导
• 扎实的C/C++编程能力和Linux应用/驱动开发经验是基础
• 了解NPU/GPU架构、嵌入式系统设计，以及AI开发工具（如Claude、Codex）的使用
• 良好的团队协作和英语沟通能力，能够与国际团队和客户高效合作

申请策略

• 在申请时突出对AI芯片底层技术的热情和解决复杂问题的能力
• 了解高通在AI领域的产品路线图（如Snapdragon平台），展现对业务的兴趣
• 突出C/C++项目和Linux驱动开发经验，尤其是性能优化或底层调试案例
• 强调在AI基础设施、NPU或GPU相关领域的经验，即使是学术项目也可提及
• 展示使用AI开发工具（如Claude、Codex）提升效率的实际应用
• 补充Qualcomm平台开发知识，如QNN、SNPE、Hexagon SDK（可通过在线资源学习）
• 加强PCIe、RPC等互联技术的理解，以及NPU/GPU驱动调试技能

面试指南

• 对于技术问题，采用STAR（情境-任务-行动-结果）结构化回答，突出具体措施和量化成果
• 对于开放性问题，先阐述核心概念，再结合自身经验举例，最后总结收获
• 对于协作问题，强调沟通、换位思考和以目标为导向的问题解决思路
• 请描述您过去在Linux驱动开发中处理过的最复杂的一个Bug，如何调试和修复的？
• 解释NPU驱动与GPU驱动的异同，以及您在性能优化方面的经验
• 如何优化RPC调用的延迟和吞吐量？请举例说明
• 您使用过哪些AI开发工具？它们如何帮助您提高开发效率？
• 在一个跨团队协作的项目中，您是如何处理冲突和推动问题解决的？