AI应用开发工程师（AIoT智能化开发方向）

优缺点分析

角色解读

• 纵向可成长为AIoT领域的高级专家，深入端侧AI芯片和模型优化方向
• 横向可扩展至嵌入式系统架构、硬件设计或AI平台开发，成为软硬一体的全栈人才
• 在央企平台有稳定的职级晋升通道，可向技术管理或专家路线发展
• 负责AI模型在嵌入式设备上的转换、量化、剪枝与推理加速，优化性能和功耗
• 基于ARM/RISC-V/MCU平台开发外设驱动和底层通信协议（CAN、I2C、SPI等），完成硬件板级调试
• 主导嵌入式硬件与AI算法的联合调试，解决接口兼容性、驱动稳定性和AI推理效率等跨领域问题
• 参与智能硬件整机集成验证，编写软硬件适配方案和技术文档
• 精通C/C++，熟悉Python，具备扎实的数据结构和工程化工具（Git、CMake等）使用能力
• 熟悉ARM/MCU硬件体系结构，能看懂原理图，掌握RTOS/Linux嵌入式系统和底层驱动开发
• 了解深度学习基础，熟悉模型量化及端侧推理框架（TFLite、ONNX Runtime、MNN等）的部署调优
• 具备软硬件联调排错能力和动手能力，能够定位解决跨领域技术问题

申请策略

• 关注中国电信的招聘官网或公众号，了解具体的投递渠道和流程
• 在面试中强调对AIoT赛道的热情，以及愿意深入硬件细节的踏实态度
• 突出嵌入式项目经验，尤其是硬件+AI结合的课题或竞赛经历
• 强调C/C++编程能力和底层驱动开发经验，展示对硬件原理图的理解
• 如果有模型量化或推理加速的实践，务必详细描述优化效果
• 展示跨领域问题定位和解决能力，例如软硬联调中的具体案例
• 提前熟悉端侧推理框架（如TFLite, MNN）的模型转换和部署流程
• 补充ARM/RISC-V平台和RTOS相关知识，练习编写简单外设驱动

面试指南

• 对于技术问题，采用STAR法则：描述情景、任务、行动和结果，突出解决问题的思路
• 对于部署流程，可从模型转换（如ONNX）、量化、编译优化、硬件适配等环节展开，强调实际遇到问题的解决方案
• 面试前准备一个完整的嵌入式AI项目案例，能够清晰说明你负责的模块和贡献
• 如何将训练好的深度学习模型部署到嵌入式设备上？具体步骤和难点是什么？
• 描述一次软硬件联调的排错经历，你是如何定位问题的？
• 解释C/C++中指针和内存管理的常见问题，如何避免内存泄漏？
• 你在嵌入式开发中如何调试驱动？使用过哪些工具？
• 了解模型量化吗？请说明量化的原理和对推理性能的影响