1. 写在前面9月17号这一天我等了整整一个夏天先交代背景。我是2025届的应届硕士研究方向是自然语言处理投的是华为的AI算法岗。9月17号这天上午刚面完最后一轮技术面下午回酒店的路上收到hr的面试完成确认短信那一刻整个人才算真正松下来。趁记忆还热乎我把这轮面试的全过程、准备思路和踩过的坑整理出来给后面准备华为AI岗的兄弟们做个参考。华为的秋招节奏每年都比较早7月底开放简历投递8月中旬开始陆续发笔试通知9月初到9月底是技术面的高峰期。我投递时间比较早8月第一周就完成了网申和性格测试8月下旬收到了机试通知9月10号左右进入面试环节9月17号是二面。整个流程走下来大致是网申 - 性格测试 - 机试一轮- 技术一面 - 技术二面 - HR面部分岗位有主管面。每个环节都会刷人尤其机试和一、二面淘汰率都不低。这轮秋招我明显感觉到一个变化华为AI岗对候选人的要求已经不只是“会调参、会跑模型”了而是更看重你对整个AI体系的理解包括工程落地能力、算法原理深度、甚至对云和端侧部署的基本认知。后面我会把各个考察点的细节拆开来写。2. 投递与岗位拆解AI岗到底在招什么样的人2.1 正式岗与OD岗的路径差异先帮大家厘清一个关键问题华为每年秋招的AI岗一般分为正式校招岗和OD岗Outsourcing Developer外包开发岗两种路径。两者在招聘流程、门槛和面试侧重点上差别很大很多人一开始没搞清楚投错了方向后面时间全浪费了。正式校招岗走的是华为官网的校园招聘入口属于华为自有编制面向的重点院校以985/211为主对学历、论文、竞赛、项目经历的要求都比较高。机试难度的下限和上限都更高面试环节基本三轮起技术面之外还有主管面考察你的综合素质和价值观匹配度。AI算法岗如果走正式通道竞争非常激烈一个岗位收到的简历常常是几千份HR筛简历先看学校再看论文和实习最后才看项目。OD岗则是通过华为的合作伙伴公司签约派驻到华为内部项目组工作属于外包性质。薪资和正式岗有差距但转正通道是存在的表现优秀、绩效达标后有机会转为正式员工。OD岗对学历门槛相对宽松一点机试的通过标准也稍低但近几年因为投递人数暴增OD的门槛也在逐年抬高不少双非院校的同学现在想进OD也需要机试刷到高分才有面试机会。我自己投的是正式校招AI岗。说实话以我的背景普通211硕士一篇CCF-B类论文一段中小厂AI实习在简历池里并不算突出。我能走到面试环节很大程度上是因为机试成绩不错加上实习项目跟华为的方向比较契合。注意如果你学历背景一般但算法功底扎实可以把OD当作一个进入华为体系的跳板。华为内部很多项目组对OD和正式员工的培养机制其实是重叠的核心还是看绩效和能力。但如果你想要的是稳定性和长期发展还是尽量走正式校招。2.2 AI岗具体做什么方向华为的AI岗覆盖面非常广不同部门做的方向千差万别。投递时你会先选一个BG业务集团然后选具体的部门和岗位方向。我拿到的面试是面向数据通信产品线下的AI应用团队主要做网络智能运维和AI辅助诊断相关的工作。这一步很多同学会忽略一个关键点华为AI岗对方向匹配度极其看重。比如你做的是NLP方向的投到侧重计算机视觉的团队面试官大概率不会让你过。反过来如果你有过AI与通信、网络结合的项目经验投网络智能化的团队就是巨大加分项。我当时在简历里特意突出了两个项目一个是用大模型做日志异常检测的实习项目另一个是课程设计阶段做的轻量级文本分类系统。这两个项目恰好都踩在了“AI网络运维”的契合点上。所以能进面试我觉得项目与岗位的匹配度立功不小。如果你现在还在准备秋招阶段建议你认真做一件事把华为官网所有开放AI岗的部门描述读一遍看每个团队在做什么然后把你简历里的项目按“匹配度优先”排序针对不同团队微调简历描述。同一个项目面向不同团队侧重点完全可以不一样。这不是造假而是把你自己最相关的经验放到最显眼的位置。3. 机试环节算法题才是第一道生死线3.1 机试的考试环境与题型结构华为的机试统一在牛客网平台进行AI算法岗和其他技术岗共用一套机试体系。今年秋招的规则是总分400分三道题总分达到150分以上才算过线其中第三题分值最高但难度也最大。题型分布是这样的第一题通常是简单题分值100分一般是字符串处理、数组操作、简单模拟这类难度接近LeetCode的简单到中等题第二题中等难度分值100分常考滑动窗口、双指针、DFS/BFS、二分查找这类经典算法第三题是难题分值200分难度接近LeetCode的Hard级别经常是复杂的模拟题或者综合性的算法设计题比如带状态约束的搜索、动态规划加贪心的组合题。我8月下旬参加的机试抽到的题目大概是这样的第一题是给一个字符串数组统计每个字符串中字符出现次数并排序输出属于常规处理题第二题是典型的滑动窗口题求一个数组中满足条件的最长子数组长度第三题是一个带时间窗的路径规划问题要在一个二维网格中从起点走到终点同时满足若干个时间节点约束这个题我做了将近五十分钟最后只过了部分测试用例。这里必须要强调一个关键认知华为机试的通过标准不是AC全部用例而是看你的综合得分。150分过线意味着什么就是第一题和第二题基本拿满第三题哪怕只过部分用例也大概率能过线。我的策略就是死磕前两题保证正确率和速度最后一题能拿多少算多少。3.2 备考实操三个月刷题计划我是从7月初开始准备机试的前后差不多两个半月。现在复盘这个时间长度比较合理既能把基础算法过一遍又有充足的时间做真题演练。具体的备考节奏分三个阶段第一个阶段约3周打基础。把LeetCode Hot 100和剑指Offer整体刷了一遍重点是数组、链表、栈、队列、哈希表、二叉树这几类高频考点。每天刷5-10题不求快但求每道题都能独立写出来。第二个阶段约4周按题型专项突破。这个阶段按滑动窗口、双指针、二分、DFS、BFS、动态规划、贪心、堆、图论这几个专题来刷题。每个专题集中刷20-30题刷完总结模板和套路。比如滑动窗口你刷上20题之后会发现所有题目本质上就是“扩张窗口-收缩窗口”的循环模板写熟了可以应付九成题目。第三个阶段约3周真题模拟。我找到了一些往年的华为机试真题和类似企业级的模拟题卡着100分钟一套的节奏来做。前三套题成绩惨不忍睹经常第二题就卡死但后面逐渐就适应了这个节奏。刷真题除了让你熟悉题型更重要的是训练时间分配前两题控制在40分钟内搞定最后60分钟留给第三题。还有一个很多人忽略的细节机试环境支持的语言和本地环境略有差异。华为机试的牛客平台支持Python、Java、C、Go等主流语言但有些库和API跟本地环境不一样。建议提前用牛客平台做几次在线练习熟悉输入输出格式和处理方式。尤其是Python的input()和sys.stdin.readline()的差异、读取多行输入时的边界处理这类低级错误在考场上特别容易犯。3.3 机试的几个高频失分点第一题失分往往是因为大意题目要求排序输出但没看清排序规则是字典序还是频率优先。我的建议是审题时把输出格式要求圈出来哪怕只有一行也要圈。第二题失分最可惜很多人是思路有了但代码细节没处理好比如滑动窗口的左右边界更新顺序错了DFS的visited数组没回溯。这类问题只能靠多写多练来规避平时写题时就要养成自测的习惯结合样例和边界用例跑一遍再提交。第三题如果完全没有思路不要空着。华为机试的评测是按通过的测试用例比例给分的你写一个暴力解法哪怕只能过20%的用例也有20%的分。很多人第三题直接交白卷等于白丢40分。记住一个原则宁可写暴力解不要留空题。暴力解过掉的测试用例换来的分数也许就是你过线的关键几分。4. 技术一面算法基本功与项目深挖的双重考验4.1 一面整体氛围华为的技术一面时长约60分钟我遇到的是视频面试面试官是一名看起来三十岁左右的工程师开场先让我做了自我介绍然后直接就进入了正题。一面整体分为三个环节手撕算法题大概25分钟、项目深挖大概20分钟、基础知识问答大概15分钟。先说算法题。华为一面基本都会让你在线写代码共享屏幕。我抽到的是一个二叉树相关的题给定一棵二叉树输出它的层序遍历结果但要求奇数层从左到右偶数层从右到左。这个题本质上就是层序遍历加一个奇偶层逆序处理难度适中但考的是熟练度和边界处理能力。我当时用了双端队列来做奇数层正常从队列尾部遍历偶数层从队列头部反向遍历整体时间复杂度O(n)。写完后面试官又追加了一个问题如果二叉树节点数超过内存限制层序遍历应该如何优化这就是考你磁盘I/O与内存换页的工程思维了。写代码的时候有几个细节必须注意一是要边写边讲思路华为的面试官很看重你的思考过程二是代码规范要到位变量命名清晰函数拆分合理缩进规范三是写完要主动跑测试用例包括空树、单节点、满二叉树等边界场景。4.2 项目深挖环节的提问套路项目深挖这部分我总结下来面试官最常问的四个方向项目背景这个项目解决什么问题核心指标是什么你的优化目标是什么技术选型为什么选择这个模型而不是其他方案你在选择过程中做过哪些对比实验工程实现你的数据处理流程是怎样的训练和推理的耗时分别多少有没有做服务化部署瓶颈与改进项目目前最大的瓶颈是什么如果给你更多时间和资源你会怎么优化我实习的项目是用BERT做网络设备日志的异常检测面试官对这块问得非常细。先是问我为什么用BERT而不是更轻量的模型我解释当时对比过TextCNN和LSTMBERT的F1值高出约8个点虽然推理耗时是TextCNN的十倍左右但考虑到公司对该场景更看重准确率而日志量级不大所以最终选择了BERT。面试官又追问了一个非常现实的问题如果日志量从每天百万条涨到每天千万条BERT的推理耗时能不能扛住如果扛不住你有什么优化方案这个问题直接把我问住了我当时只想到了模型蒸馏和量化这两个方案但更工程化的方案比如推理加速框架、日志预处理过滤掉大量正常日志后再进模型是面试官提示之后我才想起来的。这个追问其实传递了一个信息华为的AI岗并不只要你会训练模型更在意你是否考虑过模型上线后的性能、成本、稳定性这些工程问题。一面结束后大概隔了两天我收到了下一轮通知。一面整体我认为重点就两个算法基本功不能拉胯项目经验必须经得起层层追问。5. 技术二面大模型与系统设计成了主旋律5.1 二面的整体考察方向二面是在9月17号面试官是一位资深的AI技术专家也从开场就给人一种扑面而来的压迫感。这一面完全打破了传统面试的套路先问了一下我对大模型开发流程的理解然后就甩出一个开放场景设计题。场景题大概是这样的华为云上有一大批服务器的故障工单数据包含故障描述文本、告警指标、历史处理记录等现在需要设计一个AI助手能够自动对故障工单进行分类、提取关键信息并推荐可能的解决方案。面试官要求我说明整体架构、数据方案、模型选型、评估指标以及工程落地的关键点。这个问题本质上是将大模型应用到企业级智能运维场景中。我的回答思路大致是这样的数据层对工单数据进行清洗和结构化区分结构化字段如设备型号、告警级别和纯文本描述用规则BERT模型做粗粒度分类再用大模型做细粒度信息抽取和解决方案生成。模型层考虑到成本和时延采用“小模型做主流程、大模型做兜底”的策略。常规分类和字段抽取用微调后的BERT或DeBERTa这类中小模型只有复杂推理和解决方案生成才调用大模型接口。推理层对日志和工单做预处理用检索增强生成RAG的方式先从历史工单库中检索相似案例再喂给大模型生成推荐方案。这比直接让大模型凭空生成答案要可靠得多。评估指标分类任务看准确率和召回率信息抽取看F1值推荐方案看人工采纳率。同时要建立bad case回炉机制定期把AI犯错的案例拿回来重新训练和优化。面试官对RAG这一段比较感兴趣追问了检索结果质量不高时怎么办。我说可以用混合检索策略同时跑BM25关键词检索和向量语义检索两者结果做加权融合然后有一个重排序阶段把跟当前工单最匹配的案例排出来。这个方案算是Industry里比较标准的做法面试官点了点头表示认可。5.2 几个二面必问的大模型问题二面还穿插了几个大模型相关的基础问题这里整理出来供大家参考Transformers结构的核心是什么自注意力机制如何计算多头注意力的作用为什么要做位置编码。这个属于必问基础绝不能答不上来。LoRA微调的原理冻结预训练参数通过低秩矩阵来近似参数更新量。这背后的逻辑是大模型的参数更新往往存在于一个低秩子空间中因此只需要训练少量可训练参数就能达到接近全量微调的效果。训练大模型时显存不够怎么办梯度累积、混合精度训练、ZeRO优化器、模型并行、流水线并行这些方案要说出来还要能讲清楚各自解决了什么问题。部署时模型推理太慢怎么优化量化INT8/FP16、剪枝、蒸馏、批处理、缓存等技术。这些问题说白了都是在考察你的系统能力。华为的AI岗不是研究院的岗位而是要真正把AI落到业务中的岗位所以它对你在工程和系统层面的理解要求非常高。6. 常见问题与避坑实录这些细节决定了面试成败6.1 面试中容易踩的坑第一自我介绍过于冗长。很多同学的自我介绍把简历里的内容从头到尾念一遍面试官其实早看过你的简历了。我的做法是控制在两三分钟挑最有代表性的项目经历讲并且一定要落到“我做了什么、产生了什么效果”上。比如“我用BERT模型对工单进行分类F1值从0.78提升到0.87”就比“我做了工单分类模型”有说服力得多。第二问项目只讲方法不讲数据。面试官问你的项目不仅仅是听你用了什么模型更想听到你的数据量、训练时间、评估指标、上线后的表现这类具体信息。我面试的时候特意把这些数据全都背住了每一个项目都能脱口而出自己的参数量、数据集规模、对比实验的精确数字。面试官听完明显感觉到你实实在在做过这件事。第三被追问到底的时候开始编。这个问题我在二面时差点犯。面试官问了一个关于部署的具体参数问题我其实记不太清了当时的第一反应是想含糊过去。后来我果断说“这块我当时没有直接负责我的理解是XXX如果需要我可以再查证一下。”面试官反而表示理解因为一个人不可能所有环节都参与重要的是你如何面对知识盲区。硬编只会被针对性地继续追问直到露馅。6.2 时间线与心态管理华为秋招的战线整体在两个月左右节奏紧凑中间等待结果的时间会异常煎熬。我的经验是把每个环节后等待的时间都当成下一个环节的准备期不要傻等。一面结束后等待二面的那几天我把所有可能被追问的项目细节重新过了一遍还专门去查了华为在AI领域的公开产品线像是华为云上的ModelArts、盘古大模型、GaussDB数据库中的AI能力这些方向做了一个知识扫盲。二面面试官提到某些华为产品时我至少能接上话这种信息的提前准备让面试对话流畅了很多。另外面试时的网络和硬件环境一定要提前检查。华为的面试基本都要求视频面试摄像头、麦克风这些不用多说关键是网络稳定性。我之前有位同学面到一半网络断了重新连线后状态完全被打乱后面几道题答得明显不在状态。我自己的做法是面试前半小时检查网络把占用带宽的程序全部关掉手机开热点作为备用。6.3 关于HR面和主管面的几点提醒技术面通过之后华为还会安排HR面和主管面。很多技术强的同学在这些环节掉以轻心觉得只是走个流程结果被刷下去很可惜。HR面的考察点其实主要围绕三个方面求职动机、团队协作能力、抗压能力。比如HR会问你为什么选择华为而不是其他大厂你遇到过和同学合作不愉快的经历吗你怎么面对项目deadline的巨大压力这些问题建议大家提前准备一些具体案例而不是临场发挥。主管面更看重综合素质和价值观。这个环节通常不会问具体的技术问题更多是聊你的职业规划、对华为文化和价值观的理解、看待加班和奋斗的态度。我在主管面时被问到“你怎么看待AI技术快速发展带来的岗位变化”这个问题我回答的是“AI工具会替代一些重复性工作但也会产生新的岗位需求关键是持续学习的能力”。这个回答得到了主管的认可后续聊天也明显轻松了。7. 写在最后一段还算值得的秋招经历现在回头看这轮华为秋招我个人最大的体会是面试其实是一场信息差和准备度的较量。你会经历自我怀疑、等待焦虑、甚至被面试官问到怀疑人生但这些都是在所难免的。真正能让你从无数候选人中脱颖而出的是你对项目的深度理解、对算法基本功的扎实掌握、以及面对未知问题时的应变能力。最后分享一个细节技巧面试中如果遇到完全不会的问题不要急着说不会可以先尝试从第一性原理出发拆解问题。比如面试官问“如果给你一百亿条日志你怎么做实时的异常检测”你可以从数据流处理、特征提取、模型推理、结果反馈这几个环节一步步分析即使最终方案不完美面试官看到的也是你的思维过程而不是一个“不会”的答案。华为AI岗的秋招竞争确实激烈但这个岗位能带给你的平台和成长空间也是实打实的。希望这篇复盘能帮到接下来准备华为面试的同学祝大家都能拿到心仪的offer。