伪灵根的道友，你们还好吗

作为嵌入式工程师，回顾过去的工作，AI时代带来了显著变化。以前，我的工作几乎全部依赖手写代码、调试硬件和排查问题，繁琐且耗时。每当遇到复杂的系统问题，调试、优化、查漏补缺都需要投入大量精力，工作压力大，时常加班。现在，AI工具极大提高了我的工作效率。自动代码生成、错误检测和优化建议减少了很多低价值劳动。AI帮助我快速处理硬件调试、内存泄漏、性能瓶颈等问题，节省了大量时间，让我可以更专注于系统设计和创新。虽然AI让工作变得轻松，但挑战依旧存在。嵌入式系统的复杂性要求我仍然保持扎实的专业知识和创新思维。AI为我提供了更高效的工具，但真正的创造性工作仍然依赖人类的思考。

最开始机考的时候有一道题感觉做的时候连测试用例都还有没通过，最后提交歪打正着通过了很多，最后顺利通过10月底线下面试也很坎坷，一面就面的很不好，手撕用的最暴力的解法，面试官喊优化也一直优化不出来，面试问的问题也是很偏计算机网络基础的问题，很多没回答上，但是最后竟然获得了二面机会二面的时候感觉运气特别好，手撕抽到了一个很简单的算法题（岛屿问题），面试问的也都是基础java八股，最后也是顺利进入三面，第二天感觉第一面不好都以为没机会了，竟然顺利通过后面十一月份没有等到保温电话，中旬还去询问接口人（部门领导），还被降温了，回复我：看破不说破。当时就觉得无了最后十一月底竟然收到了部门领导的保温电话，也是很快就收到了意向。12月初显线下签约完后部门领导聊天，他说我当时的面试成绩刚刚过及格线，而且是他第一个收到简历的，后面帮我推了一下进度（部门投递的人比较少），最后也很幸运有这个机会

最近影石的秋招真是让我心潮起伏，虽然之前已经决定放弃，但影石的抬价让我又重新燃起了希望。所以，我决定分享一下我的面试经历，希望能帮到同样在准备秋招的小伙伴们。一面面经： 💪一面的面试官真是技术大咖，问题一个接一个，完全没有停下来的意思。以下是我被问到的一些问题：为什么选择MNN推理框架？有没有调研过其他的？模型从训练到端侧用MNN作推理的流程是什么？实习任务中，int8和半精度的性能提升明显吗？MNN的具体实现和优化策略是什么？双线性插值的4个点的权重如何分配？仿射变换用了什么NEON指令集，做了什么运算？ax+b用矢量去做加速，会用哪条指令？HWC和CHW以及NC4HW4的区别是什么？如果...