1.  嵌入式部署AI模型，为什么必须做压缩？常用方法有哪些？（高频TOP1！考点：量化、剪枝，记住“在保持精度的同时压缩模型，适配嵌入式设备有限算力和内存”2.  TensorFlow Lite的核心组件是什么？部署流程有哪些关键步骤？（必考框架题，记准转换器和推理解释器，还有模型格式转换、量化两个核心步骤）

联发科二面相比一面，更关注系统设计能力、工程经验以及对问题的深入推导能力。面试官通常会从一个开放问题切入，持续追问实现细节、性能瓶颈以及设计权衡，重点考察是否具备完整的系统思维。面试题目设计一个高并发嵌入式数据采集系统，要求支持多种外设并保证实时性与可靠性设计一个支持断电恢复和回滚的固件升级系统如何定位一个长期运行后出现的内存泄漏问题如果系统出现偶现卡死且无法复现，应如何系统性排查多核系统中如何设计任务调度以减少锁竞争在高并发场景下，如何优化中断处理路径以降低延迟设计一个高效的用户态与内核态数据交互机制如何优化Linux系统启动时间，从上电到应用启动全过程分析如果设备出现频繁IO阻塞，如何分析...

结论先行：嵌入式工程师不会被 AI 取代，但嵌入式开发的全流程会被 AI 重构；未来的开发模式大概率是1 名工程师 + AI Agent + 自动化开发系统 ≈ 过去一个嵌入式开发团队。我近期用 AI Agent 结合 Renode 仿真器搭建出了嵌入式自动开发闭环，也验证了这一方向的可行性 —— 嵌入式从不是不受 AI 影响，而是天生适配 AI的领域。一、嵌入式工程师累、薪资上限低的核心原因多数嵌入式软件工程师都有这样的感受：工作量大、调试痛苦、项目周期紧，但薪资却难有突破。这并非技术本身的问题，而是生产方式的底层问题：传统嵌入式开发是纯人工的低效循环，流程基本为：写代码 → 编译 → 烧录 → 看串口 → 手动测试 → 找 bug → 修改 → 再烧录工程师的大量时间消耗在烧录程序、等编译、看日志、重复测试上，而非核心的代码编写；更关键的是，工程师的调试方法、测试设计、日志分析等经验都只存在于个人脑中，无法沉淀复用。最终形成行业现状：工作量大但生产效率低，薪资自然难以提升。二、嵌入式为何天生适合 AI 参与开发很多人认为嵌入式涉及硬件，AI 难以介入，实则相反。嵌入式系统的三大特性，让其成为 AI 自动化开发的绝佳场景：系统行为可观测：嵌入式程序会稳定输出串口日志、状态信息、协议数据、IO 变化等，为 AI 提供清晰的分析依据；调试手段标准化：GDB、仿真器、UART、自动测试等是嵌入式开发的通用工具，AI 可直接对接标准化工具链；系统行为确定性强：相同输入对应固定输出，这种强确定性完美适配自动化流程。基于这些特性，可搭建 AI 深度参与的开发闭环：AI 写代码 → 自动编译 → 仿真运行 → 自动测试 → 日志分析 → AI 修改代码这一全自动化的开发 loop，让 AI 能参与嵌入式开发的完整流程。三、亲测实现的嵌入式 AI 开发闭环我近期搭建的实验环境，已实现嵌入式开发的全流程自动化，核心流程如下：AI Agent → 生成代码 → 自动编译 → Renode 仿真运行 → 自动测试脚本 → 日志分析 → AI 修改代码其中Renode 仿真器是核心组件，它能模拟 ARM Cortex-M、RISC-V、STM32 等 MCU，以及 UART/SPI/ 网络等外设，实现无开发板即可完整运行嵌入式程序。基于此，AI 可独立完成一系列操作：写驱动代码→编译程序→仿真器运行→自动发送 UART 指令→检查日志输出→失败则自动修改代码，本质上已实现嵌入式软件的 AI 自动开发。四、嵌入式开发的真正瓶颈：流程而非技术很多人将嵌入式开发效率低归因为技术复杂，实则不然 ——开发流程的原始化，才是核心瓶颈。如果将传统人工流程升级为 AI 驱动的自动化闭环，开发效率会实现数量级的提升；而这一闭环还能持续拓展，加入自动烧录、硬件在环（HIL）、自动测试平台后，AI 甚至可以参与真机开发循环，彻底打通嵌入式开发的全链路自动化。五、未来嵌入式工程师的角色重构AI 不会取代嵌入式工程师，但会彻底改变工程师的工作内容，未来的开发模式会变为：工程师 → AI Agent → 自动开发系统（内含编译系统、仿真系统、自动测试、日志分析、硬件在环）工程师的工作将从低价值的重复性工作：写驱动、写模板代码、写协议解析、写基础测试，转变为高价值的核心工作：定义需求、设计系统架构、构建自动化系统、分析复杂技术问题。简单来说：AI 消灭低价值嵌软工作，放大高水平工程师的能力边界。六、未来嵌入式工程师的核心能力要求未来最具价值的嵌入式工程师，不再是 “写驱动最快的人”，而是 **“能构建 AI 可运行的自动化开发系统的人”**，核心技术栈也将从单一的嵌入式开发，升级为复合技术栈，主要包含四大板块：嵌入式基础：C/C++、MCU、RTOS、Linux 嵌入式；自动化能力：Python、自动测试、CI/CD；仿真能力：Renode、QEMU、GDB；AI 工程能力：Agent workflow、工具调用、自动开发 loop。七、给嵌入式入行新人的路线建议如果尚未入行，不建议再走传统嵌软路线：51 单片机 → STM32 → 写驱动 → 找嵌软工作，这条路线未来会越来越卷，且易被 AI 替代。更优的入行路线是：嵌入式基础 + Python 自动化 + 仿真开发 + AI 工具，核心目标不是成为传统的 “嵌软工程师”，而是转型为 **“智能设备系统工程师”**。最后总结嵌入式从不是不受 AI 影响的领域，恰恰相反，它是最适合 AI 自动开发的领域之一。只要让仿真、日志、自动测试形成稳定闭环，AI 就能真正深度参与嵌入式开发的全流程；而未来嵌入式领域最有价值的人，从来不是写代码最快的人，而是能把开发流程转化为 AI 可运行的自动化系统的人。

最近参加了华测导航嵌入式岗位的二面，整体感受是相比一面明显更深入一些。如果说一面更多是在考察基础知识是否扎实，那二面就更偏向于看你能不能把基础知识和实际项目结合起来，看看你对自己做过的东西到底理解到什么程度。面试官整体风格还是比较平和，没有那种很强的压迫感，但问问题的方式会更有层次，不再只是单独问某个知识点，而是会顺着你的项目往下追问。很多问题表面上看是在问项目，实际上是在考察你的系统设计能力、排查问题能力、代码理解深度，以及你是不是真的亲手做过。就我个人感受来说，二面的难度比一面高一些，主要难在“综合性更强”。不是单纯背八股就能很好应对，尤其是当面试官围绕项目细节不断展开时，如果平时只是做了...