面灵AI→

联芸科技嵌入式软件开发(端侧 AI)一面:边缘推理链路与车载通信

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 简单做一下自我介绍。
  2. 详细介绍你的核心边缘 AI 项目。
  3. 项目里数据采集与模型推理落地的相关实现是怎样的?
  4. 项目中用到的 Linux 平台与编译环境相关信息。
  5. 硬件平台选型、算力、NPU 相关情况如何?
  6. 边缘推理链路里遇到过哪些问题?怎么解决的?
  7. 多设备协同场景下的数据同步如何处理?
  8. 端侧推理的延时与性能优化怎么做?
  9. 介绍你车载通信相关的项目。
  10. 两种车载通信链路的分工与区别是什么?
  11. 外设驱动开发相关经历:你写过哪些驱动?
  12. 个人研究方向以及未来职业发展规划。
  13. 介绍你的单片机/RTOS 相关实践项目。
  14. 你还有什么想问的?

《参考解析》

端侧 AI 岗位的面试,核心是「你能不能在资源受限的硬件上把模型跑起来并保持稳定」。这几问正好覆盖了整条链路。

采集与推理落地要讲清数据流:从传感器/摄像头拿到原始数据 → 预处理(缩放、归一化、格式转换)→ 送入推理引擎 → 后处理 → 输出给业务。每一段都要有时延数字,并说明预处理在哪跑(CPU 还是加速器)、内存怎么复用(避免每帧分配)、是否零拷贝。

Linux 平台与编译环境那题别只报发行版:交叉编译工具链、内核与驱动版本、构建系统(CMake/Yocto/Buildroot)、部署方式(OTA 还是刷写)。能说清「我们的产物怎么从编译机到板子上」就已经超过很多人。

硬件选型与算力要给出对比逻辑:算力(TOPS)、功耗、内存带宽、是否带 NPU 与支持的算子集、封装与温度范围、生态(SDK 质量、模型转换工具链)。真实项目里最常见的坑就是「标称算力够,但模型里有算子不支持,回落到 CPU 直接慢十倍」。

多设备数据同步要区分场景:同一设备多传感器靠统一时基与硬件时间戳;多设备之间靠 NTP/PTP 授时或事件驱动加序号去重;弱网时用本地缓冲与断点续传,明确「允许丢什么、不允许丢什么」。

端侧延时优化是一整套动作:模型侧(剪枝、量化 INT8、算子融合、换更小的骨干)、工程侧(多线程流水线、双缓冲、零拷贝、绑核、避免频繁内存分配)、系统侧(调频策略、温度控制)。回答时给「优化前后 P50/P99 时延与帧率」的对照,比说做了哪些手段更有说服力。

两种车载通信链路的分工(常见是 CAN/CAN FD 与车载以太网,或 LIN 与 CAN)要从「速率、拓扑、成本、典型用途」四维比较:控制类信号走 CAN 保证实时与成本,高带宽数据(摄像头、雷达点云、诊断刷写)走以太网;同时说明网关怎么在两者之间转发与做安全隔离。

外设驱动与 RTOS 项目属于基本功验证:写出过哪些驱动(UART/SPI/I2C/ADC/定时器/DMA)、怎么处理中断与 DMA 的配合、RTOS 里任务优先级怎么划分、有没有处理过优先级反转与栈溢出。答的时候务必用自己项目里的真实数字与现象。