嵌入式鼠鼠想重开了

想入门模型部署，问了一下Gemini，他的回答如下，大佬们看看这路径可行吗？？？第 1-2 个月：打地基（Modern C++ & CMake & Linux）目标：能看懂推理引擎源码，能独立构建多文件 C++ 项目。核心内容：Modern C++：跟着 HKL 视频，重点吃透 智能指针 (RAII)、移动语义 (Move)、Lambda 表达式和简单的模板。CMake：掌握如何链接第三方库（OpenCV, CUDA, TensorRT），学会编写 find_package。CSAPP：重点精读 第 6 章（存储层次）。理解什么是 Cache Latency。里程碑：在 Linux/WSL 下用 CMake 构建一个调用 OpenCV 处理视频流的小项目。手动实现一个包含智能指针管理的简易内存池。📅 第 3 个月：拿手术刀（CUDA 编程入门）目标：理解 GPU 并行逻辑，能手写并优化基础算子。核心内容：核心概念：Thread, Block, Grid, Shared Memory, Warp Shuffle。实战任务：手写一个 矩阵乘法 (GEMM)。版本 1：朴素版（跑通）。版本 2：使用 Shared Memory 优化（速度提升 5-10 倍）。性能分析：学会使用 nsight-systems 查看 Kernel 执行时间。里程碑：手写一个自定义的图像预处理 Kernel（比如把 BGR 转成 RGB 并归一化）。📅 第 4 个月：炼金术（模型转换与 TensorRT）目标：把 PyTorch 模型变成 1660 Ti 上的极致推理引擎。核心内容：ONNX：学习如何导出 ONNX，如何用 onnx-simplifier 简化模型。TensorRT：掌握 trtexec 工具，学习编写 TensorRT 的 C++ API 推理代码（创建 Runtime、Engine、Context）。插件编写：尝试为一个 TensorRT 不支持的算子写一个 CUDA Plugin。里程碑：将 YOLOv8 导出为 TensorRT 引擎，并在 1660 Ti 上跑到极致 FPS。📅 第 5 个月：工业化（量化与性能压榨）目标：攻克部署最难的一环——精度与速度的平衡。核心内容：量化原理：学习对称量化 vs 非对称量化，理解 KL 散度。PTQ 实战：使用 TensorRT 的 Int8EntropyCalibrator 进行训练后量化。多线程部署：学习 C++ std::thread 或生产消费者模型，实现“视频读取-模型推理-结果渲染”的异步并行流水线。里程碑：完成一个低延迟、多线程的实时检测系统，对比 FP16 和 INT8 的精度损失与速度提升。📅 第 6 个月：破圈与冲刺（国产迁移 & 算法 & 面试）目标：将能力迁移，准备实习面试。核心内容：国产迁移：如果有条件，借或买一个 RK3588 开发板，学习 RKNN-Toolkit。你会发现，因为你有了前 5 个月的底子，这部分 2 周就能上手。算法刷题：每天 1-2 道 LeetCode，重点是数组、链表、排序。八股文复习：回顾 C++ 内存模型、操作系统基础。里程碑：整理简历，把“手写 CUDA Kernel 优化”、“TensorRT INT8 量化实战”作为核心项目写上去。

楼主真实说法,不捧不踩，实事求是2025届本科毕业，到现在工作快一年了，在上海张江某原厂写裸机/RTOS/Linux核的bsp，年包纯base税前45w，也算有点小小心得，权当抛砖引玉吧。先简单介绍下背景，院校某985异地校区，大一大二有一些嵌入式相关的竞赛(但成果很一般) ，自己捣鼓了一些cpp的玩意(那个时候想转互联网），大三突然发现还是得找点实习，于是找了个简历模板填完简历顺便狠狠投了几天后，拿了几个offer，选了北京某riscv厂实习(虽然最后做的还是ARM SoC），最后因为学历不是硕士拿转正offer失败，刚好9月份，顺便就回校继续准备秋招了。好在那个时候已经拿到了不少offer...

📍面试公司：文远知行一面（更新2026/03/26挂）🕐面试时间：2026/03/20💻面试岗位：AI infra（时长1小时）❓面试问题：一、实习项目拷打10分钟，你在上一家公司做了什么二、八股1、PD分离机制，如何调度两个队列          ——回答PD区别，然后我如何设计调度策略，优先D，也保证P不被饿死2、vllm如何优化显存？                            ——讲了pageattention、continue batching、内存复用3、chunk prefill                                       ——分块计算，我感觉这个没啥好讲的，可能是针对padding吧4、什么是虚拟内存                                   ——这个很简单5、说一下进程和线程的区别，以及操作系统如何调度    ——这个也简单6、讲一下TCP\IP栈                                  ——说实话没听明白，后来询问之后是介绍TCP/IP模型7、追问如何通过IP地址进行通信（找到目标ip） ——这个我其实忘了，随便说了一下洪泛搜索，不知道对不对8、K8S拷打，简历上没写这个                   ——反正基本都不会，应该是炸了，只知道pod和container😓三、手撕（dfs+优化思路）给的测试数据不大，十分钟写了个O(N^N)的算法，运行没问题，然后要求优化成O(N^logN) ——想了很久，提示二分后没时间了，就没写了。四、反问1、我今天表现怎么样答：我感觉你没睡醒😂，状态不好。（我感觉这面试官也一直打哈欠）2、对我有什么建议吗答：简历都挺好的，技术上不应该只追求论文，你可以多了解一下K8S这些3、部门业务是啥答：我们组是做ai infra的，顶层可能是k8s负责调度大模型，中间有做算法优化，底层也有cuda算子优化吧。（这个                面试官介绍的挺详细的，我感觉他是负责K8S调度的）🙌面试感想：发挥不是很好，面试官人挺不错，感觉凉了大半截了，过几天看看结果吧。

 1.自我介绍面试官好，我换个角度介绍一下自己。一面主要聊了技术细节，这次我想说说我对嵌入式开发的理解和职业规划。我选择嵌入式这个方向，是因为喜欢软硬结合、能看到实际产品的感觉。相比纯软件开发，嵌入式更贴近硬件，需要考虑资源限制、实时性、功耗等问题，这种约束反而让我觉得有挑战性。特别是嵌入式AI这个领域，如何在有限的算力和内存下实现智能功能，这个问题很吸引我。技术上，我主要用C++做开发，熟悉Linux系统和交叉编译，有模型部署的实际经验。在项目中遇到过性能瓶颈、内存不足等问题，通过优化算法、使用硬件加速等方式解决。这些经历让我理解了嵌入式开发的特点：不只是写代码，还要理解硬件、优化性能、权衡...