12月3号晚上，我面完华为AI岗的最后一面，关掉视频，电脑屏幕暗下来的一瞬间，整个人像是被抽空了一样瘫在椅子上。这场从9月投简历开始的秋招长跑，终于在校招尾声有了一个像样的句点。回想这三个月，从机试刷题到技术面被追问到冒冷汗，再到HR面谈薪，每一步都踩过坑，也实打实攒了不少经验。
这篇文章不是什么面经大全，而是我作为一个亲身走完2025届秋招华为AI岗全流程的候选人，把“12月3号”这个时间节点前后该准备的、该避坑的、容易忽略的东西，完整复盘一遍。内容覆盖岗位画像、机试备考、技术面深挖、HR面谈薪，以及我踩过的几个印象深刻的坑。无论你是正在准备华为OD机试，还是想冲刺AI算法岗，或者只是对大厂面试流程好奇，这篇文章应该都能给你一些参考。
1. 先弄清华为AI岗的真实画像——你投的到底是哪类岗位
1.1 华为AI岗的三个主流方向
投华为AI岗之前，我一度以为“AI岗”就是一个岗位，筛完简历等面试就行。后来才发现，华为的AI相关岗位至少可以分成三个大方向，不同方向的考察重点和面试风格完全不一样。
第一个是算法研究类，多集中在2012实验室、中央研究院、诺亚方舟实验室这类部门，核心工作是发论文、做前沿探索、把研究成果落地到业务。这类岗位对论文和顶会经历要求很高，面试很喜欢问研究动机、方法创新点和效果对比，基本就是一次小型的论文答辩。
第二个是算法工程类，集中在各产品线的AI部门，比如终端、云、车 BU 等。核心工作是把成熟的算法模型应用到具体业务场景，做训练、调优、部署、推理加速。这类岗位最看重工程落地能力，面试必问项目细节，包括数据怎么处理、模型怎么选、指标怎么提，以及上线后遇到问题怎么排查。
第三个是AI平台开发类，主要做AI开发平台、推理框架、训练平台、工具链建设，比如和昇腾、MindSpore相关的开发工作。这类其实更偏向系统开发和底层优化，会考察C++、CUDA、分布式训练框架等硬核知识。
我投的岗位更偏向第二种，算法工程方向，这也是目前秋招需求量最大、非顶尖论文型选手最有可能进入的方向。如果你投递时不确定自己的岗位属于哪一类，最直接的办法是看JD里的“岗位职责”和“技能要求”，前者描述工作内容，后者直接列出面试可能考察的技能树。
1.2 岗位JD里的隐藏信息
很多同学看JD只看薪资和城市，其实JD里藏着大量面试风向标。比如岗位描述里如果写了“负责将AI能力落地到实际产品”，那面试大概率会深挖你端到端做项目的经历；如果写了“跟踪前沿技术”，那面试官可能会问你对大模型、AI Agent这类新方向的了解程度。
还有一个容易被忽略的点：部门属性。同样叫AI工程师，在华为云做AI平台开发，和在终端做端侧模型部署，考察内容可以说是天壤之别。前者会追问Kubernetes、容器、模型服务化；后者会追问量化、剪枝、算子融合、推理延迟优化。你能不能在面试中精准匹配面试官的需求，很大程度上取决于你是否提前研究过这个部门的业务。
我建议投递前，花半小时把部门业务方向摸清楚。华为云的AI岗位通常和盘古大模型、ModelArts绑定；终端AI岗位和端侧小模型、智慧体验绑定；车BU的AI岗位则和智能驾驶感知、多模态模型绑定。面试时不经意提到你对部门业务的了解，比背一百道八股都管用。
1.3 12月这个时间节点意味着什么
12月份还在面试AI岗，很多人会觉得是不是“没坑了”。其实不然。秋招的正式批通常在9到10月，11月进入offer沟通和补录阶段，12月则进入了“秋招补录”和“春招提前批”之间的特殊窗口。这个阶段机会依然有，只是筛选逻辑会发生变化。
补录阶段的HC通常来自两种渠道：一种是前面拿到offer的同学毁约空出来的名额，另一种是新获批的紧急项目用人需求。这两种情况都意味着用人部门非常着急，面试节奏会加快，考察也会更聚焦于“你能不能立刻上手干活”。我12月3号这场面试，整体节奏明显比传闻中的秋招正式批紧凑，机试后一周内就安排了技术面，技术面后第三天直接HR面，全程不到半个月。
所以，如果你也处在12月这个时间窗口，不要焦虑，也不用觉得机会渺茫。好好打磨项目、刷题、准备八股，机会出现的时候你接得住就够了。
2. 机试关：华为机试到底怎么准备
2.1 机试题型与ACM模式
华为的机试是绕不开的第一道硬门槛，不管你是投正式校招还是走OD（外包研发岗）通道，机试都是必须过的关卡。机试在牛客网或华为自己的平台完成，整体风格和LeetCode不太一样，更偏向实际场景的工程问题，数据范围给得很大，直接卡算法复杂度。
华为机试通常有两到三道编程题，难度递增。第一题偏简单，主要考数组操作、字符串处理、哈希表这类基本功；第二题中等难度，常见的有动态规划、BFS/DFS、滑动窗口、贪心；第三题偏难，往往涉及状态压缩DP、线段树、图论算法等进阶内容。题型全部是ACM模式，也就是你需要自己写输入输出解析，不像LeetCode那样只写核心函数。
这里多说一句ACM模式的重要性。我在牛客上刷了不少华为风格的题目，到了真正机试的时候，发现输入解析往往比算法本身更容易出错。比如第一题很简单，五分钟写完了主逻辑，结果输入数据里藏了空行和多余空格，解析部分卡了我快二十分钟。所以备考时一定不要只刷LeetCode的acm模式白板，日常练习就要强迫自己写完整的输入输出处理。
2.2 踩过坑才知道的机试细节
机试的细节，平时练习根本注意不到，真正考场上全是坑。我整理几个自己踩过和亲眼见过别人踩的：
第一个是语言选择。华为机试支持C++、Java、Python等主流语言，但不同语言的执行效率和内存表现不一样。以我个人的经验和身边的反馈看，Python虽然写起来快，但遇到数据量特别大的题目容易超时。如果你时间允许，建议C++和Java二选一做主力语言，Python作为辅助。我自己最后用的是Java，虽然代码写起来比Python啰嗦，但胜在稳定。
第二个是双机位的问题。现在华为机试尤其是OD机试，普遍要求双机位监控，一个机位对准你和电脑屏幕，另一个机位在侧后方拍摄，确保没有作弊行为。这就意味着你的桌面必须干净，草稿纸的使用也有限制。我面试前特意清理了桌面，把参考书全部收进柜子里，摄像头视野内只有显示器、键盘鼠标和水杯。提前做好这些准备，考试时才不会因为环境被判定违规。
第三个是提交策略。机试的判分是部分用例通过就部分得分，不是非对即错。所以无论如何不要空着，暴力解法能拿多少算多少。我第二题一开始没想出最优解，先写了一个O(n²)的暴力版本提交，拿了部分分，后来优化成滑动窗口后又提交了一次。这类考试通常允许多次提交，以最后一次结果为准，所以不要在一道题上耗到天荒地老，该跳过就跳过。
2.3 高频算法考点清单与刷题策略
基于我对华为机试真题库的观察，几个高频考点非常清晰：动态规划是绝对的大头，几乎每次必考，背包、最长递增子序列、编辑距离这类基础DP必须熟练；其次是图论相关的BFS/DFS，地图类、迷宫类、连通性问题考得很多；字符串处理和模拟题排在第三位，这类题不考算法难度，但极其考验代码实现的细致程度。
另外，华为机试近年的新趋势是开始结合业务场景出题，比如智能运维里的告警关联分析、网络设备的配置下发顺序优化，这些题目会套一层“通信行业”的壳，但核心算法还是那几板斧。备考时建议把重心放在基础算法和码力训练上，不用刻意去背业务知识。
刷题策略上，我个人的经验是三轮法。第一轮按算法分类刷透基础题，每种算法至少精做10道；第二轮做套卷模拟，严格控制时间，把做题速度提上来；第三轮专攻自己的薄弱点和难题。时间紧张的话，优先保证前两轮完成，第三轮看情况取舍。
3. 技术面试：从传统机器学习到大模型项目深挖
3.1 第一轮技术面：基础必须稳
华为AI岗的技术面一般是两到三轮。第一轮通常是未来和你合作的同事或师兄，考察重点是基础能力，也就是“能不能一起干活”。这一轮问的东西相对标准，但范围很广，机器学习基础、深度学习基础、编程语言特性、数据结构算法都可能涉及。
机器学习基础里，经典问题几乎必问：过拟合怎么解决、偏差方差权衡、交叉验证的原理、常见损失函数的含义和适用场景。这些问题说难不难，但回答的深度能直接拉开差距。比如问“过拟合怎么解决”，初级回答是“加正则化、加数据、早停”，但更好的回答会进一步解释L1和L2正则化的区别、为什么L1能产生稀疏解、数据增强在图像和文本里分别怎么做。把八股问题回答出工程深度，是第一轮技术面拿高分的核心。
深度学习基础部分，Transformer和注意力机制已经成了必考内容。Self-Attention的计算流程、多头注意力的作用、位置编码为什么需要、BERT和GPT的架构区别，这些都要了然于胸。另外一些端侧或推理类的岗位，还会追问模型量化、剪枝、蒸馏的常识，即使你的项目没做过这些，也需要了解基本概念。
3.2 第二轮技术面：项目深挖与大模型应用
第二轮技术面通常由更资深的专家或主管来面，这一轮的重心会从八股转移到项目。面试官会拿着你的简历，一个项目一个项目地问，问到细节的颗粒度非常深。我被问过的典型问题包括：数据从哪来的、样本量多少、怎么划分训练集验证集、特征怎么构造、模型报错怎么排查、指标涨不上去了怎么办、线上效果和离线指标的关系等等。
这一轮最怕的就是项目不是自己做的，或者只做了其中一小块，一问细节就露馅。面试官都是行家，一两个追问就能判断出你在这个项目里的真实角色。所以我建议投简历前就把自己做过的项目彻底过一遍，用“一句话说清楚项目的核心问题是什么、你的解法是什么、效果怎么样”这个框架去复盘。
大模型相关的考察在2025年的AI岗面试里几乎避不开。就算你的项目里没有直接做大模型，面试官也会问你对当前大模型应用趋势的理解，比如RAG的流程、Prompt Engineering的实践经验、AI Agent的架构设计。这些问题的背后，是华为各业务线都在大力投入大模型落地，他们需要的是一个对大模型有真实理解和实践热情的候选人，而不是只会调包调参的传统算法工程师。
3.3 项目复盘方法论（以AI Agent和Spring AI为例）
很多同学问我，AI岗项目到底做什么方向最容易拿面试。结合今年的面试反馈来看，AI Agent方向的项目是一个很好的加分项，尤其是用Spring AI这类框架做的落地项目。原因很简单：华为云、终端、车BU几乎都在做Agent相关的能力建设，有过Agent项目经验，到任何一个部门都能快速找到结合点。
我自己在面试中重点讲的，就是一个基于Spring AI构建的智能体项目。Spring AI是Java生态里的大模型应用开发框架，核心价值在于把模型调用、Prompt模板、结构化输出、记忆管理和工具调用这些底层能力封装好，让开发者能专注于业务逻辑。
在项目复盘时，我建议大家按照“动机-架构-实现-踩坑”四个层次来准备。动机层面，说清楚为什么要做这个Agent，解决谁的什么问题；架构层面，画出Agent的整体链路，模型交互、工具注册、记忆存储、异常处理各自在什么位置；实现层面，具体到Prompt模板怎么维护、工具调用的参数如何约束、上下文窗口超了怎么办；踩坑层面，分享一两个真实问题，比如模型输出格式不稳定、工具调用循环等。
宁可把一个项目讲到极致，也不要写五个项目每个都只能聊两句。这是所有技术面试的通用真理，在华为AI岗的面试里尤其明显。
4. 面试中的华为特色环节与谈薪
4.1 HR面与性格测试
华为的HR面和性格测试是被严重低估的环节。很多人觉得技术面过了就稳了，结果挂在HR面或者性格测试上的案例每年都有一大批。华为的性格测试采用的是大五人格理论的变体，题目量不小，而且存在前后重复测谎机制。
性格测试的核心原则是：前后一致，且符合华为的企业文化偏好。华为整体上更欣赏有韧性、有团队精神、抗压能力强、愿意接受挑战的人。测试里如果你一会儿表现得极度内向、一会儿又极度外向，会被判定为不诚信。另外我个人的建议是，不要刻意把自己包装成“狼性十足”的样子，极端选项反而容易触发风控，选偏向“稳定、积极、团队合作”的选项通过率更高。
HR面则主要考察你的求职动机、稳定性、沟通能力和薪资期望。12月份面试，HR必会问的一个问题就是“秋招现在快结束了，你手里有其他offer吗”，这其实是在判断你的BATNA（最佳替代方案），直接影响后续的谈薪策略。我当时的回答是“手里有X厂的意向书，但华为的岗位方向更匹配我的职业规划”，既亮了牌，又给了对方理由。
4.2 综合面/主管面的考察逻辑
如果你投的是正式校招，大概率还有一轮综合面，由部门主管或更高级别的领导来面。这一轮看起来是聊天，实际上是最后一道筛选关。主管面的核心问题一般围绕三件事展开：你的技术潜力如何、你的价值观是否和公司匹配、你进来之后能干什么。
主管面里经常会有一些“即兴发挥”的题目，比如让我现场讲讲怎么设计一个智能客服系统，或者分析某类业务场景怎么用AI提效。这类题没有标准答案，考察的是思维框架和临场反应能力。我当时的策略是：先确认问题边界，再搭一个从数据到模型到应用的分层框架，最后落到一个具体的可执行方案上。不追求答案完美，但要让面试官看到你的思路是清晰且有逻辑的。
还有一个很关键的东西：对华为业务的基本了解。面试前多看看华为近期的技术发布和公开演讲，至少要知道盘古大模型、昇腾、鸿蒙生态这些名词背后的含义。这不仅能帮你在综合面里接住话题，更是一种信号：我是认真研究过你们，而不是海投过来的。
4.3 关于OD与正式岗的选择
这个话题不太好聊，但我还是想说说，因为太多人私下问我了。华为OD（Outsourcing Developer）确实不是华为正式员工，而是华为合作外包公司的员工派驻到华为项目组工作。但在实际操作中，OD岗位的工作内容、面试流程、技术要求，和正式岗的差异已经越来越小，很多部门OD和正式员工干的是同样的活。
12月这个时间节点，投OD岗的人很多，因为进入门槛相对低一些，同时也有转正式员工的通道。如果手里没有更优选择，OD是一条可以走的路。面试准备上，OD的技术面试和正式岗几乎没有差别，同样要过机试、技术面、HR面，只是定级、薪资和福利政策有所不同。
我要提醒的是，投递前想清楚自己要什么。如果目标是快速积累大厂项目经验，OD完全可以接受；如果非常在意编制和长期发展，那就继续冲正式岗的补录。没有绝对的对错，只有适不适合你当下的处境。
5. 高频问题与避坑清单
5.1 常见问题速查表
把面试中反复出现的高频问题整理成一张速查表，方便你最后一晚突击复习：
| 类别 | 高频问题 | 核心回答要点 |
|---|---|---|
| 机器学习基础 | 过拟合怎么解决？ | 数据增强、正则化、早停、Dropout、模型简化，讲清L1/L2区别 |
| 深度学习基础 | Transformer的注意力机制？ | Q/K/V计算、缩放点积、多头并联、残差和LayerNorm |
| 大模型应用 | RAG的流程和难点？ | 文档切分、向量化、召回、重排、上下文融合，重点讲切分和召回优化 |
| AI Agent | Agent的架构设计？ | 模型即大脑、规划、工具调用、记忆模块，分别说明选型原因 |
| 工程能力 | 模型训练显存不足怎么办？ | 梯度累积、混合精度、模型并行、卸载优化器状态，按优先级讲 |
| 项目复盘 | 项目里最大的挑战是什么？ | 描述问题、分析原因、解决过程、最终效果，四段式回答 |
| HR面 | 为什么选择华为？ | 技术平台、业务方向、个人成长三方面，结合岗位具体说 |
| 主管面 | 怎么看待加班？ | 强调结果导向，而非空谈奋斗和996 |
5.2 我踩过的坑与建议
第一个坑是简历上写了太多“熟悉”和“了解”。我最初版本的简历写了“熟悉PyTorch、熟悉TensorFlow、熟悉Kafka、熟悉Docker”，结果面试官就顺着简历一个个问，每一个都问得很深，我当场就卡壳了两个。后来我把简历改成了“熟练使用”和“了解原理”分开描述，面试压力瞬间小了很多。写简历一定要诚实，面试官问深了答不上的东西，不要写上去。
第二个坑是项目准备只准备了模型部分，忽略了工程部分。首轮技术面时被问到“你的模型是怎么部署上线的”，一时间没答好。后来痛定思痛，把部署、容器化、API服务这些工程链路完整补了一遍。华为的AI岗非常看重端到端能力，模型训练只是其中一环，数据采集、清洗、训练、评估、部署、监控、迭代，整条链路都要能讲清楚。
第三个坑是复习时间分配失衡。我在深度学习和Transformer上花了大把时间，却忽略了机器学习基础的复习。实际面试中，朴素贝叶斯、逻辑回归、决策树这类传统机器学习问题几乎必问，反而是特别前沿的论文细节问得少。备考时一定要把基础打牢，再往上盖高楼。
最后一个建议，也是我觉得最重要的：12月面试，心态比任何时候都重要。到了这个节点，身边已经有人拿到了offer，有人已经签了三方，你还在等华为的面试通知，焦虑是正常的。但你要相信，补录阶段的面试效率很高，只要准备充分，机会往往就在那几周内突然降临。把每一天当成“下周一可能面试”来过，刷题、复盘、模拟面试轮着来，用行动对抗焦虑。等到真正坐上面试桌的那一刻，你会感谢那个没有放弃的自己。
