车载AI后端开发工程师8226

优缺点分析

角色解读

• 向AI芯片SDK架构师方向深耕，成为端侧AI部署专家
• 转型自动驾驶或智能座舱系统工程师，拓展算法与硬件协同能力
• 晋升为技术团队负责人，带领AI平台开发团队
• 负责AI推理SDK的开发与维护，确保模型在车机端高效运行
• 进行模型部署工具链的优化，解决性能瓶颈和精度损失问题
• 跟踪LLM/VLM等大模型在端侧的前沿技术，推动SDK架构升级
• 精通C/C++编程及Linux/Android嵌入式开发环境
• 深入理解PyTorch、TensorFlow等深度学习框架及TensorRT、TVM等推理引擎
• 掌握量化、蒸馏、剪枝等模型压缩技术，具备端侧优化实战经验

申请策略

• 了解新紫光集团在车载AI领域的布局，面试时展现对标思考
• 准备一个端侧模型优化的案例，讲清问题、方法与效果
• 突出C/C++项目经验，尤其是嵌入式开发或高性能计算项目
• 列出使用过的推理引擎和模型压缩技术，量化优化成果
• 如果有AI芯片厂商SDK开发经验（如高通、联发科），务必强调
• 补充NPU部署与调优经验，可通过开源项目（如TFLite Micro）实践
• 学习主流AI芯片SDK文档（SNPE、QNN等），加深对硬件特性的理解

面试指南

• 用STAR方法（情境、任务、行动、结果）描述项目经验
• 先阐明技术原理，再结合具体案例说明优化过程
• 遇到难题时，展示问题分解和假设验证的思考路径
• 请解释模型量化的原理和常见方法，及如何在端侧平衡精度与速度？
• 描述一次使用TensorRT或TVM进行模型部署与性能调优的经历
• 如何处理模型在嵌入式设备上因内存限制导致的推理失败？
• 你对LLM在车机端部署的挑战有什么看法？
• 复习C++内存管理和性能优化技巧，准备相关手写代码