AI Customer Engineer

优缺点分析

角色解读

• 可以沿着技术专家路线发展，成为AI模型优化与部署领域的资深专家
• 也可以转向技术管理方向，带领团队负责客户项目交付和解决方案架构
• 高通内部有丰富的技术培训和轮岗机会，未来可拓展至更广泛的AI/ML领域
• 负责在Qualcomm平台上优化和部署生成式AI（GenAI）模型，包括量化、剪枝、蒸馏等模型压缩技术
• 与系统、平台和应用团队协作，将GenAI模型集成到实际产品中，并解决部署中的性能、准确性和稳定性问题
• 与客户紧密合作，提供AI解决方案的技术支持，帮助客户在高通平台实现高效推理
• 扎实的Python/C/C++编程和调试能力，能够处理复杂的系统级问题
• 熟悉PyTorch、ONNX Runtime等现代机器学习框架和部署工具链
• 掌握模型量化（INT8/INT4）和边缘设备部署经验，对LLM、VLM等大模型推理有深入理解
• 具备优秀的问题解决能力和团队协作沟通能力

申请策略

• 了解高通目前的AI产品和客户案例，在面试中展现对业务的思考
• 准备好针对实际部署问题的案例分享，突出你如何定位和解决性能瓶颈
• 突出个人在模型压缩（量化、剪枝）和边缘部署方面的项目经验
• 强调对大模型推理框架（如PyTorch、ONNX Runtime）的熟练使用和优化实践
• 展示与客户合作或技术支持的经验，体现沟通和解决问题能力
• 如有开源项目或技术博客，可以附加链接增加亮点
• 补充学习最新的GenAI推理优化技术，如TensorRT、llama.cpp等
• 练习使用高通AI Engine或类似异构计算平台，熟悉硬件加速

面试指南

• 对于项目经验类问题，采用STAR法则：描述背景、任务、行动和结果，突出具体数据
• 对于问题解决类问题，先明确问题边界，再通过假设驱动、分解定位，最后验证和复盘
• 对于客户沟通类问题，强调理解需求、积极反馈和持续跟进，体现服务意识
• 请介绍一个你做过模型量化或部署的项目，如何平衡精度和性能？
• 如何调试一个部署在边缘设备上的AI模型，出现内存不足或延迟高的问题？
• 你对LLM推理优化有哪些了解？请举例说明常见的优化手段
• 客户希望部署一个GenAI模型，但你的平台不支持某个算子，你会如何处理？
• 你如何与内部团队协作，确保模型集成到产品中？