AI Infra工程师

优缺点分析

角色解读

• 技术专家路线：在AI Infra领域深耕，成为端侧AI优化专家，主导核心技术研发
• 管理路线：随着经验积累，可晋升为技术主管或经理，带领团队负责AI基础设施
• 横向发展：可转向AI平台架构、芯片软件栈等方向，拓展技术广度
• 负责将视觉算法（如拍照、人脸识别等）在小米手机平台上进行工程化实现和性能优化，确保算法在端侧高效运行
• 进行模型优化、量化和压缩，减小模型体积和计算量，提升推理速度，同时保证精度
• 设计和开发端侧异构计算框架和AI推理引擎，充分利用CPU、GPU、DSP等硬件资源，提升整体性能
• 扎实的C/C++编程能力，具备大型工程实践经验，能够编写高效、稳定的代码
• 深入理解计算机体系结构，熟悉CPU、GPU、DSP等异构计算架构，有性能优化经验
• 了解AI模型优化、量化、压缩技术，熟悉TensorFlow、PyTorch等框架，有端侧部署经验者优先

申请策略

• 了解小米手机AI功能，如相机、语音助手等，在面试中展示对业务的理解
• 关注小米在AI Infra方面的技术博客或开源项目，增加共鸣
• 突出C/C++编程经验和大型工程实践项目，展示代码能力和工程能力
• 强调高性能计算、异构计算相关的项目经历，如CPU/GPU/DSP优化
• 如果有AI模型优化、量化、压缩或端侧部署经验，务必详细描述
• 展示对视觉算法或图像处理的理解，以及相关项目成果
• 深入学习ARM架构、NEON指令集、GPU编程（如OpenCL、Vulkan）等
• 熟悉模型量化工具（如TensorRT、NNCF）和端侧推理框架（如MNN、TFLite）

面试指南

• 使用STAR法则：情境、任务、行动、结果，清晰描述项目
• 展示技术深度：从原理到实践，说明为什么选择某种方案，以及效果
• 体现工程思维：考虑性能、功耗、稳定性等
• 请介绍一个你做过的高性能计算或模型优化项目，具体做了什么？
• 如何对模型进行量化？你了解哪些量化方法？
• 在手机端部署AI模型时，如何选择硬件加速器？
• 如何优化C++代码以提升缓存命中率？
• 你对异构计算的理解是什么？