9月10号下午面完华为AI岗的最后一面走出酒店房间那一刻整个人像被抽空但脑子又特别清醒。趁着记忆还热乎我赶紧把这几天的面试流程、被问到的问题、踩过的坑都复盘了一遍。说实话今年的秋招节奏比往年快不少投完简历大概一周收到机考通知机考完三天就约了第一轮技术面。如果你也在准备投华为AI岗或者正处在秋招过程中这篇内容应该能帮你少走不少弯路。我会尽量还原面试现场的真实情况再把每类问题背后的考察逻辑讲清楚。先说一个总的感受华为AI岗的面试技术深度没有某些互联网大厂那么“卷论文”但它非常看重基础是否扎实、项目是不是真做过、工程思维跟不跟得上。全程下来面试官问得最多的是“为什么”——为什么选这个方案、为什么效果能提升、为什么这里要加正则化。如果你能把每个“为什么”都接住这场面试基本就稳了。1. 华为AI岗秋招流程从投递到多轮面试的全景图1.1 整体时间线与招聘节奏华为秋招一般8月左右开放网申AI岗所属的部门比较多像2012实验室、华为云、终端、ICT、车BU这些都会招但各部门的组织架构、面试轮次、时间安排不完全一样。我的投递渠道是官网直投加了一个内推码内推的作用主要是简历能被更快捞起来并不保证直接进面试。从时间线来看2025届秋招的节奏大概是8月中上旬投递8月下旬到9月初陆续收到机考通知9月上旬开始集中安排技术面。整个面试周期在2到4周之间。如果你投得早机考和测评可能会被放进同一批处理所以我建议投完简历后马上开始准备机考不要等通知来了再刷题那时候会非常被动。另外要提醒一点华为招聘系统里可以填3个志愿志愿顺序会直接影响部门面试的优先顺序。第一志愿被捞起来面试后第二志愿基本不会同时推进所以志愿排序一定要想清楚再填。我有个同学第一志愿填了某个热门部门第二志愿填的部门其实更匹配但系统优先把简历推给了第一志愿结果面试周期拉得很长。这个细节很多人会忽略。1.2 机考环节别被网上的“真题库”带偏华为技术岗机考一般是3道编程题时长大概2.5小时。AI岗的机考难度整体在LeetCode中等题上下前两道通常偏简单第三道会有一定区分度。题型以数组、字符串、哈希表、双指针、滑动窗口、二叉树、DFS/BFS、动态规划为主偶尔会出贪心和模拟题。你用C、Java、Python都可以但建议选择你最熟练的语言别在考场上临时切换。这里我想专门说一个坑网上打着“华为机试真题”旗号的东西大部分来自OD渠道的机试题库跟校招正编AI岗的机考完全不是一回事。OD机试有固定的题库刷题能押中但正编岗的题每次都是新出的你背OD题库基本没用。与其去背题不如把常见的数据结构和算法吃透。我准备机考用的方法是把LeetCode热题100过一遍重点做数组、哈希、双指针、二叉树这几类动态规划挑经典题练手。每天保持2到3题的手感做题时记录自己的思路和复杂度分析。这轮的目的不是追求难题偏题而是保证基础题一次通过、逻辑清晰。现在很多人用AI辅助刷题比如让大模型讲解思路、生成测试用例这没问题但一定要自己先动手写再拿AI当老师批改千万别直接复制答案面试时手撕环节会露馅的。1.3 性格测评看起来不起眼挂人却毫不含糊机考之后一般会收到性格测评OTS链接很多人把它当走过场实际上这一轮的淘汰率并不低。华为的性格测评不是测智商而是看你的个性特征和岗位、组织文化的匹配度里面埋了很多重复题和测谎题。我踩过的坑是第一次做测评时我刻意把自己往“高执行力、高抗压、高服从”的方向靠结果有几道意思相近但表述不同的题我的答案出现了矛盾系统提示部分题目需要重新作答。后来我重新做了一遍老老实实按自己的真实性格选才顺利通过。这里给一个建议作答时保持前后一致不要揣测“标准答案”尤其不要每道题都选最强最极端的选项。华为要的不是超人是稳定、真实、能在团队里协作的人。如果测评被判无效需要重新做但不排除有些部门因为时间紧就直接把你刷掉了所以第一遍就认真做。2. 技术面核心考察点AI岗到底在考什么2.1 机器学习基础经典考点一个都别漏华为AI岗的第一轮技术面很大概率从机器学习基础开始问。和字节、阿里这些公司喜欢从论文、项目切入不同华为更习惯从基础题切入再逐步加深。我这次被问到的问题集中在以下几个方面偏差与方差、欠拟合和过拟合的处理方法L1正则化和L2正则化的区别及原因分类模型的评估指标AUC和F1分别在什么场景下用样本不均衡的处理方法GBDT、XGBoost、LightGBM的关系和改进点K-Means的缺点和DBSCAN的优势PCA和SVD的原理为什么PCA要数据中心化我自己的答题经验是先一句话给结论再展开推导或对比最后一定落到项目场景。比如问L1和L2的区别你先说“L1得到稀疏解L2得到平滑解根本原因是它们在原点处的不可导/可导性质”然后再解释为什么稀疏解有特征选择作用最后说我项目里用Lasso做特征筛选时选了哪些特征、效果如何。这里容易犯的错是只背结论不问为什么。面试官一旦追问“L1为什么能稀疏”很多只背过八股的人就卡住了。你要从梯度更新和约束空间的角度答出来——L1是菱形约束尖点在坐标轴上更容易让参数变成0L2是圆形约束只会让参数趋近0但不会等于0。能讲到这层才算真的懂。2.2 深度学习与Transformer从八股到追问AI岗面试深度学习是第二座大山。面试官大概率会让你手写或者口述Softmax和交叉熵的计算过程然后问BatchNorm和LayerNorm的适用场景、RNN和LSTM为什么解决不了长距离依赖、Transformer为什么能并行。这些问题看似常规但真正的区分度在追问。比如面试官问了注意力机制然后紧接着抛出一句“注意力分数为什么要除以根号dk”这时候你不能只答“防止softmax梯度消失”要展开说如果不除以根号dk当输入维度较大时点积的方差会随维度增长导致softmax的输入落在梯度趋于0的饱和区除以根号dk能把方差拉回1的量级。还有一个高频追问是位置编码有哪些方案Transformer原版用的是三角函数绝对位置编码后来有了可学习位置编码、相对位置编码、RoPE旋转位置编码。面试官尤其喜欢问RoPE因为它是大模型标配。你需要能说出RoPE的本质——通过旋转矩阵对向量做旋转变换让内积只依赖相对位置。我这次就被追问到了这里好在提前准备过不然当场推公式会很难看。KG缓存KV Cache也是近两年面试热点。你要能解释推理时每个token只需要和之前token的K、V做注意力计算所以把它们缓存下来避免重复计算代价是显存占用随序列长度线性增长。如果面试官继续追问怎么优化你可以提到PagedAttention、GQA等方案。这些问题一环扣一环本质上是看你的知识体系是不是成网络状而不是零散记忆点。2.3 大模型方向微调、RAG、Agent与推理优化2025年的AI岗面试如果不问大模型几乎不可能。华为这几年在大模型上投入很大盘古系列、昇腾生态相关的部门都在大量招人所以面试官对大模型方向的考察非常实在。微调这块LoRA是必问项。你要能讲清楚LoRA为什么省显存——它冻结原模型权重只训练低秩分解的A和B矩阵优化器状态、梯度都大幅减少。还会被追问rank怎么选我的回答是一般4到64之间跟任务复杂度有关任务越简单rank可以越小但过小的rank会导致表达力不足。QLoRA的双重量化、NF4数据格式这些能说出原理就很加分。RAG也是高频场景题。面试官可能直接问“如果让你用RAG做企业内部知识库问答怎么设计”这时候你要从文档解析、切块策略、向量化模型选择、混合检索关键词向量、重排模型、引用溯源、效果评估这条链路完整回答。切块策略是个细节考点——按固定长度切、按语义切还是按标题结构切不同场景差异很大你要说出自己的取舍。Agent方向会问ReAct的推理-行动循环、Function Call的实现思路、多智能体之间的通信和任务编排。这方面不用讲得太深但至少要能画出完整的系统流程图并说明工具调用失败时的兜底逻辑。推理优化则会问vLLM的PagedAttention原理、INT8/INT4量化的主观和客观评测、Batch Size和显存的关系。这里我特别想说一个面试技巧被问到开放性问题时一定要先确认问题边界再给方案。比如RAG设计题你可以先说“我的假设是文档规模大概在多少量级、对实时性要求如何”然后再展开设计。面试官会认为你有工程思维而不是照本宣科。3. 手撕代码与项目深挖真正拉开差距的两个环节3.1 手撕代码AI岗的手撕和软件岗不太一样华为AI岗面试有一部分纯算法手撕但难度一般不会特别高。我这次遇到的是二叉树的层序遍历变种题属于LeetCode中等偏下难度。对比软件岗AI岗的手撕更可能出现以下几类算法题二叉树遍历、DFS/BFS搜索、DP入门题、滑动窗口机器学习组件实现手动写K-Means、Softmax、交叉熵、BN层前向传播数据处理脚本给定一个场景写一段特征处理或文本清洗逻辑写代码时我总结出几个很实用的经验。第一代码规范很重要变量命名不要用a、b、c至少用有意义的词。第二写完后主动说复杂度面试官没问也要说显示出你的计算机素养。第三一定考虑边界条件比如输入可能为空、数组长度只有1并且在代码里做防御。面试官看的是你思考的完备性。如果真遇到不会的题也别慌。可以主动说“我先想一下暴力解再考虑优化。”先把暴力解写出来保证正确性再提优化思路哪怕没完全写出来印象分也会好很多。最忌讳的是干坐着不说话那基本等于放弃了。3.2 项目深挖简历上的每个结论都要能打项目环节是华为AI岗面试的胜负手面试官会沿着项目细节连环追问问到你答不上来为止这就是俗称的“压力面”。我这次被追问的问题大致可以归成几类背景类这个项目要解决什么问题为什么不用现有开源方案方法类你的方案核心思路是什么中间尝试过哪些方法、效果如何数据类数据集多大怎么划分的标注质量怎么保证的效果类提升了多少这个指标是怎么算的提升是统计显著的吗反思类如果时间重来哪一步你会做得不一样这里有一条很关键简历上写的每一个数字、每一个方法、每一句“提升效果”你都要准备好背后的细节。如果你写了“用XX模型将准确率提升了5%”就要能回答“为什么是这个模型”“5%是怎么算出来的”“做消融实验了吗”“跑了几次随机种子”。如果没有面试官会合理怀疑这个项目不是你做的或者你在注水。我在准备项目时用了一个笨办法把项目从头到尾写成一篇完整的复盘文档包括数据预处理、模型选型、训练细节、部署方式、遇到的问题和排查过程。然后自己充当面试官针对每个结论写3到5个可能的追问逐条准备答案。这个方法很费时间但效果极好面试时基本没有答不出来的项目问题。3.3 不确定的问题怎么答核心是“兜底”不管准备得多充分总会被问到盲点。我这次也被问到一个关于大规模分布式训练并行策略的问题——具体是问张量并行和流水线并行的区别我平时只了解概念没有真正做过大规模训练当时思路有点断。我的应对方式是先承认这块实践不够但把我知道的说清楚——数据并行复制模型副本、张量并行把单层拆到多卡、流水线并行把模型按层切分然后说明我理解它们分别解决通信瓶颈和显存瓶颈最后一句话兜底“这块我目前只停留在理论层面还没有在真实场景中跑过后续如果接触到会重点补一下。”面试官听完点了点头没有继续为难我。这个经历想说明的是遇到不会的问题不要硬编也不要只说“不知道”。正确姿势是“承认边界 拆解已知 给出学习路径”。面试官要的不是全知全能而是有自知之明且有学习能力的人。只要能证明你有正确的思考方式这一题不会扣太多分。4. 主管面与综合面技术之外的筛选逻辑4.1 主管面到底在面什么华为的主管面通常在技术面全部通过后进行面试官是部门的业务主管或技术负责人。这一轮对技术细节的考察相对少反而是围绕动机、价值观、综合素质展开。我被问到的问题包括为什么选择华为为什么选这个岗位你对我们部门业务方向的了解有多少未来3到5年的职业规划是什么讲一个你解决过的最复杂的问题以及对你的影响。有没有和同学意见不合的经历你是怎么处理的这些问题看似软性但其实都是打分项。回答“为什么选华为”时不要只说“华为平台大、待遇好”最好结合具体业务讲。比如你对大模型推理优化感兴趣可以提前研究一下华为昇腾生态和相关的框架面试时结合这些内容讲你为什么对这个部门感兴趣会显得很有诚意。讲个人经历的题目要遵循“情境-任务-行动-结果”的结构一定要落到具体的行动和反思上。我讲了一个在校期间做科研项目碰到算力不足、然后通过换框架和优化代码坚持跑完实验的经历。重点不在结果多漂亮而在于面对压力时你的应对逻辑和复盘能力。4.2 反问环节问什么才加分面试尾声基本都会给你反问的机会。很多人在这里踩坑要么说“没有问题”显得对公司不感兴趣要么上来就问工资、加班、公积金显得目的性太强。我的建议是问跟业务和技术相关的问题这既能帮你了解团队又能展示你的思考。这次我问了两个问题一是“团队目前在AI大模型方向的主要技术挑战是什么”二是“新人入职后一般会经历怎样的培养周期前期主要参与哪些工作”。这两个问题面试官都很认真地回答了场面从“审问”变成了“交流”气氛明显缓和。能问出好问题的前提是提前调研。面试前花一两个小时看部门最近发布的公开技术文章、招聘JD里的业务方向描述、甚至技术大会演讲这些都能帮你找到反问的切入点。反问得好会在面试官心里留下“这个人对团队真的有诚意”的印象。4.3 offer审批、定级与后续流程主管面之后一般还有一轮HR面主要聊工作意向地、薪资期望、是否能接受部门调配以及一些基础信息的确认。再往后就是offer审批和签约环节。从面完到收到录用意向快的一周慢的可能要3到4周甚至更久。这个阶段尽量不要干等可以继续面其他公司作为保底同时每隔一周左右礼貌地给对接HR发邮件询问进展。邮件里注明自己的姓名、应聘岗位和面试时间方便HR快速定位到你。另外华为的定级和薪资跟面试评价直接挂钩面试级别越高Offer的上限也越高。所以每轮技术面试都很重要尤其是主管面它会影响终审评价里的综合印象分。哪怕技术面全过了主管面聊崩了offer也可能卡住。5. 常见问题与避坑实录5.1 机考与测评环节的翻车点机考最常见的坑是环境不熟悉。华为机考用的是在线OJ系统代码补全、输入输出处理和本地IDE有一些差异。我考前特意去牛客网刷过几套模拟题熟悉了在线系统底层的输入输出格式真正考试时省了很多时间。另外机考时网络不要出问题提前找一个网络稳定的地方最好备好手机热点应急。性格测评的翻车点前面提到过前后矛盾会被判无效。但我还想补充一个细节测评里有些题会重复出现在不同维度组合中你得保证同样的情境回答的一致性要高。不要第一遍选“我非常同意”第二遍类似的题目选“有点同意”。这种不一致在系统里一目了然。还有一个容易被忽略的点测评和机考都有截止时间错过了不会因为你“理由充分”就给你补发。所以收到通知后第一时间定闹钟、写进日历一定要给自己留出充足时间。5.2 技术面卡壳的常见情形技术面最容易卡壳的场景是简历上写了你只是“听说过”的东西。比如你写了熟悉某个分布式训练框架但面试官一问细节你完全反应不过来。这个情况一旦出现面试官对整份简历的可信度都会打折。所以简历上写的内容一定要是自己亲手做过的、能讲透的宁可少写不要乱写。第二种常见的卡壳是手撕代码时忘记处理边界条件。比如实现快速排序时忘了空数组的情况或者处理数组下标时越界。这类问题其实很冤代码主体写对了输在小细节上。解决的办法是写完代码后立刻跑一遍测试案例空输入、单元素、正常案例、极端最大输入心里过一遍都OK再收尾。第三种是项目指标被质疑。如果你说准确率提升了5%但面试官问“做了几次实验、方差多少、有没有统计检验”你答不上来就会被认为效果提升可能是运气。我后来给简历上的每个指标补上了实验次数和方差描述这让我在后续面试中底气足了很多。5.3 面试全流程注意事项速查表我把这次华为AI岗面试全流程的要点整理成一张表格方便准备面试时随时对照。环节核心要点常见坑简历投递志愿顺序要想清楚内推优先简历内容与岗位JD不匹配机考刷LeetCode热题100熟悉在线OJ输入输出背OD题库偏离正编机考方向性格测评保持前后一致真实作答刻意装成“华为想要的人”导致矛盾技术一面机器学习基础深度学习基础只背结论不追问为什么技术二面项目深挖大模型方向手撕代码简历写不熟的内容、项目细节经不起追问主管面动机、软素质、职业规划回答问题空洞没有具体案例HR面薪资期望、意向地确认直接问太功利的薪资细节等待Offer保持礼貌邮件跟进干等没有一个保底选择5.4 面试后24小时内的复盘方法最后分享一个我坚持了很久的习惯每次面试结束后趁记忆还没消退整理一份复盘笔记。记录内容包括被问到的全部问题、哪些答得好、哪些卡壳了、面试官追问的深挖方向、自己当时的心理状态、下一次需要补的知识点。这看起来有点麻烦但效果非常明显。我这次华为AI岗第一轮技术面结束时被问到了一个关于模型量化的细节问题当时没答好我当天晚上就整理进复盘笔记把INT8量化、PTQ/QAT的区别和常见实践重新过了一遍。结果第二轮技术面居然又问到了类似的量化问题我顺利答出了关键点面试官还点了点头。这让我非常庆幸自己养成了复盘的习惯。秋招是一场持久战华为AI岗的面试强度不算低但它的考察方向足够“正”基本不会出偏题怪题。你只要把机器学习基础、深度学习原理、大模型相关实践、项目细节这四块踏踏实实准备好稳住心态就能接住每一轮的挑战。希望这篇复盘能帮你少踩一些坑早点拿下心仪的Offer。