华为AI岗秋招面试复盘：大模型应用、RAG与推理优化核心要点

10月22号上午十点整我结束华为AI岗的最后一轮主管面从面试间退出来的时候心里的感受挺复杂。一方面松了口气——三轮技术面加一轮主管面半个月的流程终于走完另一方面又有点不踏实——跟面试官聊到大模型推理优化时他追问的几个点我答得其实不算漂亮。现在复盘整个秋招过程把那些踩过的坑、摸出来的套路、以及这段时间对“华为AI岗到底看什么”的理解整理成文希望能给后面投这个方向的同学一点参考。需要先交代背景我投的是华为AI岗里偏大模型应用与工程的方向base地在某研究所下面不是算法预研也不是纯业务后端。这个区别很重要因为华为的“AI岗”其实是个大筐里面装的东西差别极大准备方向完全不同。下面我尽量把岗位差异、面试重点、核心技能、以及10月下旬这个时间节点背后的信息都拆开说。1. 华为AI岗秋招10月22号这个时间点意味着什么1.1 秋招后半程的大环境与岗位节奏每年秋招华为的节奏大致是8月中旬到9月上旬开放简历投递与机试9月中下旬开始密集面试10月陆续发意向书11月之后进入补录与最后谈薪阶段。10月22号处于什么位置正好是“第一批SP已经开奖、部分普通offer已经发出、但仍有团队在补面或加面”的区间。如果你在这个时间点才收到面试邀约通常有三种可能一是新建团队或新业务线在扩HC需要快速补齐二是前面发出去的offer有人拒了需要补位三是你的简历在简历池里被多个部门捞起流程启动较晚。这三种情况对应的心态准备完全不同。如果是新团队扩招面试考察点会偏“快速上手”面试官不指望你什么都会但很在意你的技术栈匹配度和学习速度。如果是补位那要求就高很多他们是在已有候选人里做精细化筛选你的项目和工程能力必须明显更强才有机会。简历池被捞则是最常见的情况这时候拼的是“技术深度是否经得起连续追问”。我在10月中旬接到机试通知时就有朋友提醒我这个时间点的华为面试不会有太多耐心去看你的潜力他们更关心“你能不能来了就干活”。这句话后来在主管面里被验证了——主管聊的几乎全是业务场景比如海思或无线侧的AI落地场景怎么选型、模型性能指标怎么定、遇到硬件瓶颈怎么处理。这些问题没有标准答案但你需要展示出“我具体做过并想清楚过这类问题”。1.2 时间点带来的流程压缩与心理准备秋招后程的面试节奏通常明显加快。我身边有同学9月面试两轮技术面中间隔了将近十天而我10月22号这一轮机试通过后的一周内就连续安排了技术一面、技术二面和主管面。华为的流程一般是综合测评性格测试→ 机试 → 技术一面 → 技术二面 → 主管面 → HR面但后程会因为部门缺人而压缩间隔。这里有一个容易忽视的点10月下旬面试距离你投简历可能已经过去了1-2个月。机试成绩的有效期有限如果准备不充分导致机试分数偏低即便后面简历被捞面试官也会看到这个成绩心里会对你打一个折扣。所以到了这个时间点千万不要觉得“反正流程启动了就可以准备面试”机试依然是一道硬门槛。另外后程面试的心理压力会更大因为身边可能已经有同学拿到了意向书而你还在流程里。我的建议是不要攀比进度把注意力放在还有多少技术点没复习到位。10月这个节点比拼的是“谁更稳”而不是“谁刷的题更多”。2. 岗位方向拆解华为AI岗到底在招什么人2.1 从技术栈区分算法、工程与应用三类方向华为招聘系统里的“AI岗”大类下实际会细分出很多职位描述不同职位的能力模型差异巨大。我按常见的技术栈和职责粗略分成三类供大家对照方向核心工作常见职位关键词重点能力算法预研类模型结构改进、新算法研究、顶会论文落地AI算法工程师、研究员数学基础、论文复现、实验设计工程实现类训练框架、推理引擎、算子开发、性能优化AI工程师、AI芯片软件工程师C/Python、并行计算、CUDA/昇腾算子应用落地类大模型应用、Agent开发、RAG系统、模型部署大模型应用工程师、AI平台开发模型微调、推理加速、Prompt/工具链、后端开发我投的方向属于第三类但面试里也大量涉及第二类的内容。华为的特点很鲜明它不太喜欢“只会调包”的人。哪怕你是做应用落地面试官也会追问底层机制——比如你用了LoRA就要说清楚LoRA为什么能省显存和全量微调在收敛上的差异你做了Agent就要讲清楚ReAct的推理循环怎么设计Function Calling的协议细节是什么。这类问题如果没有真实项目支撑很容易聊穿。2.2 华为AI岗的“软硬协同”底色华为AI岗和其他互联网大厂同类岗位最大的区别在于它有一条完整的自研软硬件技术栈底层是昇腾系列AI芯片中层是CANN异构计算架构上层是基于昇腾的PyTorch适配版本、MindSpore框架以及各类推理引擎如MindIE等。这意味着在华为做AI你绕不开“性能”和“硬件适配”这两个词。面试官在技术面里不止一次问我“你训练用的什么卡”我如实说是NVIDIA的GPU。下一个问题就是“如果让你迁移到昇腾上你觉得最大的工作量会在哪”这种问题考察的不是你对华为技术栈有多熟——应届生基本都不熟考察的是你懂不懂训练和推理过程中的计算瓶颈算子是否支持、显存管理是否一致、通信库是否兼容、混合精度策略是否要重调。这里给大家一个建议如果你不是华为实习过不强求提前学习昇腾体系但一定要具备“软硬协同”的思维。比如要知道一个典型大模型推理的瓶颈在哪里显存带宽、计算密度、显存容量要知道A100/H100和昇腾910B在参数上的大致差异要知道模型迁移的基本流程。这些不会让你在面试中说得非常深但能让你在“迁移方案”类问题上不至于空口无凭。3. 面试主线拆解从机试到主管面的完整流程3.1 机试算法能力与AI基础的双重考察华为的机试一般是三道题难度大致在LeetCode中等题到困难题之间总分400分100/200/300根据部门不同分数线有差异但通常150-200分是技术面的及格线。我当时的考题第一道是模拟题处理字符串第二道是动态规划背包变种第三道是图论涉及到最短路径的变体。第三道我没完全写出来最终分数是225够用但不算高。机试备考没有太多捷径。华为很看重“手撕代码”能力这和很多互联网大厂的筛人逻辑一致。但有两点值得注意第一华为机试的编程环境默认支持Python、C、Java建议用自己最熟悉、代码量最少的语言没必要为了“显得专业”用C。第二机试提交后没有实时反馈能拿多少分所以一定要在本地把自己的测试用例多跑几组特别注意边界条件。对于AI岗部分部门还会在机试后加一轮“AI编程题”比如给定一个简化的模型结构让你用代码实现前向传播或者实现一个通用的数据处理pipeline。这道题不考复杂算法考的是代码组织能力和对深度学习的理解。我当时被要求实现简化版的多头自注意力计算重点关注维度变换是否正确、掩码处理是否合理。这类题只要提前把Transformer的代码手写过一遍基本没问题。3.2 技术一面与二面八股追问与项目深挖的组合拳技术一面通常是基础面时长一小时左右。前半段是计算机基础和AI八股后半段是手撕代码。我被问到过的内容包括Python的GIL机制、深拷贝浅拷贝、列表和生成器的内存差异C的智能指针、虚函数、内存布局深度学习的反向传播推导以两层MLP为例、BatchNorm在训练和推理时的差异、不同激活函数的梯度特性优化器SGD和Adam的区别、学习率调整策略。这些看起来基础但因为面试官是资深工程师他不会只问“你知不知道”而是会连环追问。比如你回答“BatchNorm训练时用batch统计量、推理时用滑动均值”他会追问“滑动均值是怎么更新的动量取多少为什么推理时不能直接继续用batch统计量”每一层追问都在检验你是“背过”还是“真的懂”。技术二面更偏项目深挖和系统设计。面试官会先让你介绍一个最能代表你水平的项目然后围绕项目一路追问。我做的是一个面向企业知识库的RAG问答系统面试官从数据切分策略问到向量检索的召回率优化再问到多路召回的融合排序最后深入到大模型的推理部署方案。他特别关注的一个点是你做的这些优化措施效果到底怎么验证的有没有对比实验指标涨了多少所以项目复盘时一定要把“实验数据”准备清楚每个优化点的收益是多少这是华为面试官很看重的工程风格。3.3 主管面与技术面最大的不同考察逻辑从“会什么”变成“怎么合作”技术面之后的主管面很多人以为就是聊天其实不是。华为的主管面通常是未来团队的leader讨论的内容包括你怎么理解这个岗位的核心目标遇到业务方需求与技术可行性冲突时怎么处理怎么看待加班和项目周期的压力你在团队里通常扮演什么角色能接受外派或驻场吗我主管面被问到最有挑战性的一个问题“如果业务方给的deadline是两周但你评估至少需要一个月才能完成你怎么做”这个问题考察的核心是风险暴露与沟通能力。我当时的回答框架是先拆解需求、识别出最小可用版本再量化工作量在第一时间同步风险同时给出折中方案比如先上保底效果、后续迭代优化。主管听完没有追问但我能感觉到他更在意的是“你有没有实际项目协作经验”而不是“你是否愿意无条件加班”。还有一点需要特别注意主管面里几乎一定会问“你为什么选择华为”这个问题看似简单但回答不好很减分。建议提前梳理出真实的理由比如可以结合岗位内容说“我看重软硬协同这条技术路线在这里能接触到从模型到芯片的完整链路”比空说“华为平台大、稳定”要有说服力得多。4. 核心技能准备清单从八股到工程实践4.1 必练的计算机基础知识与手撕代码题如果你问我秋招准备过程中最后悔的是什么我会说“手撕代码练得还不够狠。”华为AI岗的面试里手撕代码出现的概率非常高技术一面几乎必出技术二面有时也会来一道。常见的题类型包括二叉树相关遍历、最近公共祖先、动态规划背包、最长递增子序列、编辑距离、双指针和滑动窗口、排序和topK、以及图的最短路径。对AI岗而言还有一类题目很常见用代码实现某个基础模型或基础模块。比如实现一个softmax要写出数值稳定的版本、实现一个带掩码的自注意力、实现一个简化的反向传播、实现一个数据加载器支持shuffle和batch。这类题不复杂但很考验基本功是否扎实。我建议把Transformer的源码PyTorch版从头到尾手写过三遍以上很多维度变换的细节光看是记不住的。除了手撕AI岗的随机提问里还有一类“推公式”问题。比如让推一个带L2正则的线性回归的梯度更新公式或者让推导一下LayerNorm的反向传播。准备这类问题要回到数学原理本身——导数链式法则、矩阵求导的基本规则、期望和方差的传递这些推多了会发现套路其实很固定。4.2 AI应用落地方向大模型与RAG体系的重点梳理今年AI岗面试的高频考点几乎都围绕大模型展开。我整理了一个比较完整的复习清单按优先级排列Transformer原理自注意力机制、多头、位置编码包括RoPE、KV Cache的工作方式与代价。微调方法全量微调、LoRA、QLoRA的原理与差异LoRA为什么能降低显存占用低秩近似的直觉是什么。提示工程与AgentPrompt设计的常见模式、ReAct循环、Function Calling、Agent的规划和记忆模块怎么组织。检索增强生成RAG文档切分策略、Embedding模型选型、向量数据库如Milvus、FAISS等的检索原理、精排环节怎么做、多路召回怎么融合。模型推理与部署量化方案INT8/INT4、vLLM/PagedAttention的原理、推理性能指标首token延迟、吞吐量、显存估算公式。数据与评测训练数据配比、指令数据构造、评估集怎么建、线上效果怎么回流。这些内容在项目里用过和只看过文章回答质量是截然不同的。以“文档切分策略”为例看过文章的人会说“按固定长度切分或按标题结构切分”但我回答时会补充我在项目中对比过chunk size 256/384/512的召回效果最终选了384因为更大切分片在召回后容易夹杂无关信息rere-rank模型能把干扰项排下去。这种来自实测的细节才是面试官愿意听到的。4.3 工具链与AI编程面试中怎么展示“生产力”最近AI编程工具很火像Cursor、Copilot这类工具在日常开发里已经不可或缺。但这里要提醒一句面试时不要主动强调“我重度依赖AI编程”尤其不要说“代码大部分是AI帮我写的”。面试官不会因为你用了AI编程工具就加分反而会怀疑你的代码能力和调试能力。需要做的是把AI编程工具当作一个提效手段而不是能力替代。在介绍项目时可以轻描淡写地提一句“我用AI辅助写了部分pipeline代码但核心模型实现和性能调优是我手工完成的”然后落到具体的技术细节上。我在面试里从不说“Prompt写得多好”而是说“我对工程链路足够熟所以能判断AI生成的代码哪里可能有问题”。这个定位比较安全也符合华为这种偏硬核团队的文化。还有一类岗位叫“AI产品经理”也会被归类在AI岗的池子里但它和研发序列的考察点差异很大更关注对AI能力的理解、需求分析和场景判断。如果你投的是这个方向重点不是手撕代码而是能用结构化的逻辑说清楚一个AI产品从需求到落地的完整链路。5. 常见问题与避坑记录5.1 面试过程中我见过的高频“翻车”现场秋招期间我加了好几个交流群群里每天都有同学分享面经其中有一些典型的翻车案例值得大家引以为戒。第一个是“项目讲成流水账”。很多人介绍项目时按时间线讲先做了什么后做了什么最后效果怎么样。面试官听着很累也很难抓住重点。正确的讲法应该是“从问题出发”业务背景是什么我负责解决哪个具体问题我设计了什么方案为什么这么设计效果怎么验证四句话讲清楚再留空间给面试官追问。第二个是“八股背得太熟反而暴露了没做过”。比如面试官问“怎么解决大模型幻觉”候选人脱口而出“用RAG、用更好的Prompt、用知识图谱”。这个答案本身没问题但面试官接着问“你用的RAG系统里检索回来的内容如果不相关你怎么发现和处理”候选人就卡住了。问题出在背答案只能应对第一层真正的项目经验才能应对连续追问。第三个是“对岗位的理解完全偏差”。我遇到过一位面AI平台开发的同学自我介绍时大谈Transformer改进方向但面试官问的是“你对K8s熟不熟有没有部署经验”。这就是没看JD就乱投简历的典型。华为AI岗里不同方向的匹配度差异极大务必对照职位描述准备不要用一个模板投所有岗位。5.2 机试与履历方面的独家避坑建议再分享几个只有实际跑过流程才能体会到的细节机试中华为的在线评测环境里Python可以正常使用但某些系统版本对numpy支持不全建议机试前提前熟悉纯Python语法实现数组和矩阵操作不要依赖第三方库。机试的时候可以自己在本机跑测试用例所以我习惯在本地写一个“边界条件测试集”专门测空输入、极端值、大数组这些是隐形扣分点。简历里的项目经历一定要写清楚“谁是主导者”。华为面试官很在意你在项目中的角色如果是合作项目他会追问哪些部分是你做的哪些是别人做的。如果你说不清楚会被判定为“划水嫌疑”。我自己的项目我几乎把每一行核心代码都重构过一遍面试时无论他怎么追问细节我都能举出具体的实现方式。还有一个常见的隐性考察点华为的面试官会在面试结尾问你“有没有什么问题要问我”不要回答“没有”。这是了解团队和业务的好机会也是你展示思考深度的机会。我一般会问三个层面的问题一是业务层面比如“这个岗位当前最急需解决的AI场景是什么”二是技术层面比如“团队目前在推理优化上主要用哪套方案”三是成长层面比如“新人的培养路径大致是怎样的”。不要问薪资、加班、wlb这类问题这些留给HR面谈更合适。5.3 秋招过程中容易忽略的心态问题最后说一点心态上的问题。投华为这种体量大的公司流程周期可能拉得很长10月下旬还在流程中难免会焦虑。我见过有人因为看到别人拿offer就疯狂改简历、频繁刷新申请状态反而打乱了自己的节奏。秋招是一场马拉松10月22号还在面试不代表你落后了反而说明有人在认真看你的简历。我个人体会是准备AI岗与其焦虑地刷100篇面经不如踏踏实实把一两个项目做到能讲透、能扛住追问。华为面试官里有一类人非常喜欢深挖他们会从你的项目一路问到基础原理中间没有任何提示。我那次在RAG项目里被问到“你用的向量检索是暴力搜索还是IVF”然后一路追问到“IVF聚类中心怎么更新、查询时nprobe参数怎么调”这种深度只有亲手调过的人才能答得流畅。所以把时间花在“做透一个真实问题”上性价比远高于“泛泛准备十个知识点”。10月22号这场面试结束后我自己最大的收获不是offer本身而是终于搞清楚了“华为AI岗”这四个字背后真正需要的能力结构它不只要你会训练模型、调prompt更希望你能站在整个AI系统的高度理解问题——模型、数据、推理、硬件、应用每一个环节都有工程师在做优化。如果你也打算投这个方向我的建议只有一条早点找到你想深入的那个环节然后真的动手做一次。无论面试结果如何这个过程都会是秋招里最有价值的部分。