12月3号晚上我从华为的线上面试间退出来屏幕上的“再见”字样还亮着。这场AI岗的秋招面试持续了将近50分钟比我面过的任何一家互联网公司都更“硬核”——面试官全程没有寒暄开场第一句就是“讲讲你这个项目里最核心的技术点以及你个人在里面做了什么”。那一刻我意识到华为AI岗的面试不是在走流程它是在认真判断你这个人能不能扛住真实业务里的技术问题。这篇文章把整个秋招过程中和华为相关的经历做了完整复盘从投递时间线、岗位分析、面试准备到每一轮面试的实际问答再到容易被忽略的细节。如果你正在准备算法岗、AI岗的秋招或者打算投华为但不太清楚它到底怎么面建议耐心看完。里面有不少坑是我自己踩过的也有几个方法后来帮我拿下了其他公司的offer个人觉得比单纯刷题更值得参考。1. 12月3号还在面试恰恰说明了华为AI岗的秋招节奏1.1 华为秋招的时间线和大多数公司不太一样很多同学对秋招的概念是“金九银十”9月开始投简历10月面完11月拿offer12月开始躺平。但华为的节奏完全不是这样。华为的招聘线拉得很长。拿2025届秋招来说有些部门7月就开始收简历8月陆续安排机考但真正集中面试的高峰反而到了10月甚至11月。我身边有同学9月就完成了所有面试但意向书拖到11月底才发也有人像我一直到12月才收到面试通知并且不是补录而是部门因为业务需要还在持续筛简历。我后来总结了一下华为AI岗的流程通常是这样网申投递选择部门、岗位和base地。在线笔试题型基本是算法编程题偶尔有选择题。性格测试这个环节很多人不在意但确实会刷人。技术一面通常是未来的直级主管或资深同事面。技术二面会更偏场景、系统设计或者压力追问。主管面主要看综合素质、稳定性、团队匹配度。HR面聊薪资、base地、入职时间。Offer审批也就是大家常说的“泡池子”。每一轮之间间隔多少完全看部门。有的部门一周内连续面完有的部门隔半个月才约下一轮都很正常。所以如果12月还在流程中不代表你被捞了或者运气不好只是这个公司的招聘节奏本身就慢HC到年底才开始集中释放的情况也很常见。1.2 这个时间点还在流程里的人都是什么状态12月份还在面试的人大概分三类。第一类是投递比较晚的。有些同学前期在忙保研、实习或者一开始没想好要不要进互联网/科技公司11月才完成投递于是面试自然排到了12月。这类人数量不少而且往往准备得比较充分因为已经有几个月刷题和整理项目的积累。第二类是前期流程走得慢的。有些部门面试官人手有限面完一面隔了一个月才约二面。如果中间再赶上发意向书、审批流程拖到12月完全正常。我就是这种情况一面在11月中旬二面排到了11月底主管面安排在12月3号。第三类是补录或者临时加面的。有些同学offer已经审批了但部门又安排了一轮交叉面或者加面这种情况通常是部门在横向对比几个人想从多个候选人里挑更合适的。遇到这种加面不要慌反而说明你已经在池子里比较靠前了。不管属于哪一类12月还在面华为AI岗至少说明你没有被直接挂掉还有机会。1.3 重新看待“泡池子”它不是坏事但也别只等它华为的offer审批阶段是所有投华为的人都会经历的一道坎。面完之后系统状态一直是“面试已完成”或者“录用审批中”然后就是等可能等两周也可能等两个月。“泡池子”的本质是部门在攒一批候选人按面试评分、岗位匹配度、简历背景做排序最后根据HC数量从上往下发意向。所以不是面完就结束面完之后你的评分、学历背景、实习经历、论文产出都还会被重新拿出来比较。这里有两个实用经验。第一面完之后如果两周没有消息可以考虑发邮件给HR询问进度但不要催得太频繁。我的做法是每两周问一次措辞礼貌一点比如“想了解一下目前审批的进度如果有需要补充的材料可以随时联系我”。这种询问不会减分反而能让HR记得你这个人。第二也是更重要的一点千万不要因为等华为而放弃其他公司的流程。我见过有人为了等华为把其他offer全部拒掉结果池子泡了两个多月最后没发意向整个秋招颗粒无收。正确做法是手里先拿着别的offer把华为当作备选之一这样心态也会稳很多。2. 投递前先搞清楚华为AI岗的岗位画像与选人逻辑2.1 华为AI岗的分野算法研究、算法工程与大模型应用很多人投华为AI岗时完全没有区分岗位方向看到“AI工程师”就投了然后发现面试内容和预期差别很大。实际上华为AI岗粗分有三类面试重点完全不同。算法研究类主要集中在2012实验室、中央研究院、诺亚方舟实验室这类部门工作内容偏向前沿研究比如多模态大模型、强化学习、AI for Science等。这类岗位对论文要求很高硕士生如果没有顶会一作简历关很难过。面试时主要聊论文的创新点、实验设计和算法推导。算法工程类分布在各个产品线比如终端、云、车BU、海思、数据通信等。这类岗位做的是模型训练、调优、压缩、量化、推理部署以及和业务场景结合的算法方案。面试更看重项目经验、工程能力和对模型底层机制的理解。大部分硕士生投的都是这一类。大模型应用类这是近两年新增比较多的方向围绕大模型做应用比如RAG检索增强生成、Agent智能体、模型微调、Prompt优化、推理加速等。面试会重点考察对大模型基本机制的理解、业务落地思路以及对常用框架比如LangChain、vLLM、LoRA的熟悉程度。我投的是算法工程方向面试问题也基本集中在这个范围。建议大家在投递前先想清楚自己更适合哪一类不要哪个部门有HC就投哪个否则面到一半发现岗位内容和自己想象完全不一样既浪费时间又影响发挥。2.2 简历筛选和面试官分别在看什么简历筛选和面试是两个不同的关卡筛简历的人关注的东西和面试官关注的东西差别很大。筛选简历的时候HR和部门助理主要看几个硬性维度学校、学历、专业对口程度、论文情况、实习经历、比赛奖项。华为对学校和学历有一定倾向性但这不完全代表双非或者非科班就没机会。我认识一位本科双非、硕士在某211读计算机的同学因为有一个跟华为业务方向非常匹配的实习项目也顺利拿到了面试机会。关键是简历里要有和岗位方向高度相关的东西。面试官的关注点则更偏技术。第一你的项目是不是自己真的做的深挖细节处能不能答上来第二基础扎不扎实机器学习、深度学习、数据结构这些基本功怎么样第三遇到问题时的解决思路是怎样的会不会拆解问题第四工程能力怎么样会不会写代码能不能把方案落地。所以简历上不要堆技术名词更不要写一堆“了解”“熟悉”却没实际用过的东西。面试官只要挑其中一条问下去答不上来比不写还要减分。2.3 项目经历怎么讲才不会被当成“调包侠”项目经历是华为AI岗面试里问得最多的部分也是很多同学最容易翻车的地方。常见翻车现场是面试官问“你为什么用这个模型”候选人回答“因为大家都用这个”问“有没有试过其他方案”回答“没有”问“数据是怎么处理的”回答“用的开源代码”。这种回答会被直接归到“调包侠”那一类很难过面。我在面试前把自己简历上的两个项目用“五层递进法”重新过了一遍效果很好。具体是这样的背景层这个项目要解决什么问题谁是使用者为什么需要这个方案。方案层我用了什么技术方案为什么选这个方案有没有考虑过替代方案。细节层数据怎么获取、怎么清洗特征怎么构造模型怎么训练超参怎么调最花费时间的是哪个环节。验证层效果怎么评估用什么指标有没有做A/B测试或者对比实验结果可不可信。反思层如果再让你重新做一次哪里会做得不一样这个方案最大的瓶颈是什么。面试官只要问项目基本绕不开这五个维度。提前把这五层都准备好面试时就能做到无论从哪个角度问都能接得住。我那次面试里面试官连续追问了七八个项目细节中间没有一环断掉后来他点了点头说“这个项目你是真的做了不少工作”那一刻我就知道这轮稳了。3. 面试前40天的准备我的清单与踩过的弯路3.1 简历改了三轮重点不是“堆技术”而是“讲动机”我简历第一版列了七八个项目技术名词密密麻麻看上去很丰富但被一位在华为工作的师兄泼了冷水面试官没时间看那么细你把所有项目都写上反而显得重点不清晰他不知道你应该被归到哪个方向。第二轮改的时候我把项目删到两个保留了一个和AI算法强相关的实习项目一个和机器学习相关的科研项目。每个项目用三行字讲清楚解决的问题、用到的技术、个人职责和成果。实习项目里写上“作为核心开发参与”“独立完成了XX模块”这类具体职责描述比笼统写“负责模型训练”有说服力得多。第三轮改的时候我增加了“动机”描述。比如某个项目我会写“因为XX场景下现有模型效果不佳选择引入XX方法来解决”。面试官看到这种描述很容易顺着项目往下问而这些问题恰恰是我准备最充分的部分。简历改完那一刻我才意识到简历不是为了展示你做了多少事情而是为了引导面试官问你已经准备好的问题。这是一条贯穿整个求职季的原则。3.2 机器学习/深度学习的八股到底该背到什么程度华为AI岗面试对基础知识的考察范围比较固定但深度不容小觑。我整理的复习范围分三层。第一层是机器学习基础属于必考范围偏差与方差、过拟合与欠拟合、正则化L1和L2的区别及背后的数学解释、逻辑回归与SVM的对比、决策树与随机森林、GBDT与XGBoost的原理、特征工程方法、评估指标准确率、召回率、F1、AUC的选择逻辑。这些概念不能只停留在“知道”要能讲清楚原理比如L1为什么能产生稀疏解这个问题我就被问过。第二层是深度学习基础反向传播的过程、常见激活函数及其梯度特性、BatchNorm和LayerNorm的区别、CNN的局部连接和权值共享、RNN和LSTM的基本结构、注意力机制和Transformer的整体架构。Transformer几乎是必问重点Self-Attention的计算流程、为什么要除以根号d_k、位置编码的作用这些都要能随口说出。第三层是近两年的热点大模型相关的LoRA、RLHF、RAG、Agent哪怕项目里没实际用过也要理解基本思想和适用场景。华为不少部门已经在做大模型落地面试官很可能会问“你对大模型的微调方法了解多少”这类问题。我主要看了LoRA的原理和RAG的整体流程面试时确实派上了用场。关于“背八股”我的看法是不能死记硬背但也不能完全不背。比较好的状态是“能用自己的话结合公式或例子把概念讲清楚”。面试官在这个环节主要是为了验证你对基础知识的理解深度而不是真的考你记忆力。3.3 大模型方向Transformer、RAG、Agent这三块是重头戏如果你是2025届之后投AI岗大模型的知识几乎是绕不开的。我准备的时候把这块单独拆出来作为重点因为相比传统机器学习基础和深度学习基础大模型相关的面试问题更考验系统理解。Transformer部分重点准备了三块。一是Self-Attention的完整计算流程从Q、K、V的定义到注意力权重的计算到softmax之后和V矩阵相乘每一步都要能画出来讲出来。二是Multi-Head Attention为什么要分多头多头捕获的是什么类型的信息。三是位置编码的作用和实现方式尤其是旋转位置编码RoPE现在很多主流模型里都在用。RAG部分要理解为什么需要RAG——解决大模型幻觉和知识更新的问题。然后要能讲清楚RAG的完整流程文档切片、向量化、向量数据库检索、重排序、将检索结果拼进Prompt、让模型基于上下文生成。我当时还被问到“如果检索结果不好你会怎么优化”这个问题其实有很多角度可以答改进切片策略、优化embedding模型、加入重排序、改变检索top-k、写更好的Prompt引导模型按检索内容回答。Agent部分是这几年才火起来的但华为不少部门已经在做相关的应用。至少要理解Agent的基本框架大模型作为大脑结合工具调用、外部知识、记忆机制完成多步任务拆解和执行。我当时被问到一个场景题“如果让AI帮你订机票流程怎么设计”其实考察的就是对Agent工作流程的理解。3.4 手撕代码的准备策略华为的题风是什么华为的在线笔试用的平台是牛客网题型以编程题为主。笔试的题量和难度比互联网大厂一般略低一些但也不容轻视。我笔试的时候遇到了三道题大概是一道简单、两道中等涉及数组处理、字符串、动态规划。面试环节的现场手撕代码同样很重要。我面的两轮技术面里每轮都有一道手撕代码题。一面考了一道动态规划二面考了一道二叉树相关的题。难度基本控制在LeetCode中等水平不会出现特别偏怪难的题目。我的准备策略是每天刷两到三题重点刷LeetCode热门100题和剑指Offer尤其注意这几类数组和双指针、字符串处理、链表操作、二叉树遍历、动态规划基础、排序与查找、栈与队列。有一点要特别提醒面试的时候写代码一定要先和面试官确认思路再动手。我当时一面的时候面试官说“你可以先讲一下思路再做”我就把自己的解法从暴力解讲到优化解顺便分析了时间复杂度和空间复杂度。面试官点头之后我再开始敲代码。这样做的好处是即使代码最后没写完至少思路部分已经把能力展示出来了。4. 面试全流程复盘从一面到主管面的真实问答4.1 一面自我介绍、项目深挖和一道动态规划一面的面试官看起来大概三十出头自我介绍很简短应该是一位资深的算法工程师。他先让我做自我介绍我用了三分钟左右讲了自己的技术方向、实习经历和主要项目然后他就开始顺着项目往下问。第一个项目问得很细。他问了数据是怎么收集的、数据集有多大、有没有做过数据清洗、正负样本比例多少、为什么选择当前模型、训练的时候遇到什么问题、效果指标怎么定义。中间有一两个问题我一开始没答好比如他问“如果数据不平衡你怎么处理”我一开始只说了重采样后来在他的引导下补充了换评估指标、用focal loss、做数据增强等方法。这种追问其实是面试官在试探你的知识边界不会因此直接挂掉但你要表现出能顺着思路扩展的能力。项目问完之后他让我做一道动态规划题题目本身不难是背包问题的变种。我先把思路讲清楚然后写了代码跑了一个测试用例他看了一会儿说没问题。整个一面大概45分钟技术部分占了大头。一面结束后大概一周我收到了二面通知。这个间隔算是比较正常不用太焦虑。4.2 二面场景设计题和“为什么这么设计”二面比一面更加侧重工程落地和场景设计。面试官一上来没有让我自我介绍而是直接抛了一个场景问题“如果我们要做一个AI客服助手给一线维护人员提供故障排查建议你会怎么设计整体方案”这个问题让我愣了一下因为平时准备面试时主要在意模型和算法细节很少从整体系统层面去思考。我快速在纸上理了一下思路然后按这个框架回答先明确用户场景和核心需求再拆解技术模块——用户输入理解、知识库构建与检索、大模型生成、答案校验、反馈回流。然后针对每个模块展开了讲比如知识库怎么切片、向量检索用什么方案、生成结果怎么避免幻觉、用户反馈怎么用于后续优化。面试官会在我讲的每个环节追问“为什么”比如“切片策略为什么选择固定大小而不是按语义切”“检索返回top3还是top5依据是什么”“如果生成结果和知识库不一致怎么办”。这些问题没有标准答案核心是考察思维是否严密、有没有真实的落地经验。我当时虽然有些地方答得不算完美但整体逻辑自洽面试官也没有揪着不放。最后他又出了一道二叉树的手撕题。这次我学乖了先讲思路再写代码同时把边界条件也考虑进去。代码写完他问了问时间复杂度我回答之后他说好就让我等通知了。4.3 主管面抗压、稳定性与职业规划的底层逻辑主管面和其他轮次气质完全不同。面试官明显是部门负责人的级别问题里技术细节少了但每一问都更强调“你怎么想”。他先问了我一个比较开放的问题“你人生中遇到过的最大挫折是什么怎么解决的”这种问题看似闲聊实际是在考察抗压能力和自我认知。我讲了研究生阶段一个实验反复复现不出来的经历重点落在我是怎么一步一步排查问题、最后怎么解决的以及这个过程中我学会了什么。然后他问了职业规划“你未来三到五年的规划是什么”这类问题没有标准答案但最好能体现出你认真思考过。我的回答是近几年想在技术方向深耕把算法工程和模型落地能力做好同时关注大模型方向的发展未来希望能在某个细分领域形成自己的优势。这个回答没有提到升职加薪也没有说“想转管理”比较稳妥。他还问了对base地的看法“如果让你去东莞或者西安你能接受吗”这个问题不能答得太绝对。我的回答是“更希望能留在现在的城市但如果有合适的业务方向也可以接受调动。”既表达了想法也没有把话说死。主管面大概30分钟全程压力不大但从他的问题里能感觉到华为非常看重稳定性和岗位匹配度。面试不只是看你技术行不行更是在判断你这个人未来能不能长期在这里做下去。4.4 反问环节怎么问才不浪费机会每一轮面试最后面试官都会问“你有什么想问我的”。很多人说“没有问题”这其实很浪费。反问环节是了解团队情况的最好机会也是体现你对岗位有主动思考的窗口。一面的时候我问了两个问题一个是“目前团队在做的主要方向是什么”另一个是“这个岗位对应的业务线有什么样的KPI或者成果指标”。这两个问题能让面试官觉得你关心实际业务同时也能帮你判断这个岗位是不是自己想要的。二面的时候问的是“团队目前在大模型方向有什么布局入职之后业务上大概可以接触到哪些内容”二面一般是技术骨干他给的回答会非常具体我当时从回答里大概判断出来这个团队属于应用型业务更多是拿成熟模型做定制和落地而不是做底层大模型的训练和研究。如果你更想做底层研究这个时候就可以提前判断这个岗位是否合适。主管面可以问一些更宏观的问题比如“部门未来一年的核心目标是什么”“团队最大的挑战是什么”。这类问题显得你已经在思考加入之后的工作状态。我当时问了“您觉得新人在这个团队成长最需要具备什么能力”主管的回答给了我很多信息包括他更看重主动性还是执行力这对后续判断团队风格很有用。5. 那些容易忽略的隐藏考点与避坑经验5.1 手撕代码的小陷阱边界条件比算法本身更致命面试手撕代码和刷题网站不一样刷题网站只要你通过测试用例就算过而面试官会盯着你的代码看逻辑看你对边界条件的处理。比如二分查找很多人只写了核心部分忘记了处理数组为空或者target在范围外的情况。再比如链表相关题目很容易漏掉空指针判断。还有动态规划题初始化条件如果错了后面全错。这些虽然是小问题但在面试官眼里代表的是编码习惯。我的习惯是写代码之前先把边界条件在脑子里过一遍或者直接在代码开头加上判空。代码写完之后再跑一个常规用例和一个边界用例这个动作本身就是加分项。面试官会看你的测试意识这是工程能力的一部分。5.2 项目里的“效果指标”千万别只说涨了几个点面试官问项目效果的时候如果只回答“准确率提高了2个百分点”这等于没说。因为任何指标脱离了实验设置都没有意义。更好的回答方式是把实验环境讲清楚。比如当时我的实习项目我会这样说“我们在内部测试集上做了对比实验测试集大概两万条样本线上线下的分布基本一致。和baseline相比我们的方案AUC从0.842提升到0.861提升幅度大约两个点。我们还做了case分析发现对长尾样本的提升更明显。但由于当时还没有上线AB测试这个效果还属于离线验证在线上环境可能会有衰减。”这样的回答有几个好处一是说明了数据集规模和来源二是给出了具体指标变化的量级三是指出了结果的局限性。面试官听到这样的回答会感觉到你对实验的严谨态度和真实认知而不是单纯报一个数字。5.3 华为特色的沟通方式面试官为什么总追问华为面试有一个很明显的特点就是面试官特别爱追问。你答完一个问题他不会马上跳到下一个而是在你回答的基础上继续深入一层一直到问到你答不上来为止。这个风格有时候会让人压力很大但仔细想想其实是好事。面试官追问不是因为要刁难你而是在探测你能力的边界到底在哪里。他问到你答不上来的地方正好说明这里就是你的上限他会在这个位置记录你的水平。所以遇到追问答不上来千万不要慌乱也不要胡说八道。最好的应对方式是先承认自己在哪个层面没有深入研究然后尝试给出一个大致的思路。比如面试官问我“LoRA的秩r怎么选”我确实没有系统的经验于是回答“我目前主要是参考已有工作中的设置在一到两个具体任务上试过不同取值但还没有总结出系统的规律。如果实际工作中要做我会先做一个小的参数扫描实验结合推理速度和效果折中来确定”。面试官听完没有继续追问说明这种坦诚加思路的回答是可以接受的。5.4 HR面与谈薪信息登记和期望管理如果流程走完最后一轮是HR面。这一轮基本不聊技术主要确认个人信息、教育背景、工作地点、入职时间、是否有其他offer、薪资期望。华为的薪资结构在行业内相对透明分为基础工资、绩效工资、奖金、股票/分红等部分。HR面的时候通常不会直接报一个确定的数而是先问你的期望再结合部门的定级来匹配。这里有一个建议不要说一个太离谱的数字也不要只报一个固定的数可以给一个范围比如“年薪总包在XX到XX之间是我比较期望的水平”这样既表达了自己的底线也给对方留了余地。HR面还有一个容易被忽略的环节是填写入职相关的信息表比如是否有亲属在华为工作、是否有创业公司持股等。这些内容照实填写就行不需要隐瞒华为对这类信息有自己的一套内部管理流程。6. 最后想说的几句话关于秋招、心态和选择6.1 不要把所有筹码押在一家公司这是整个秋招里我最想强调的一点。华为流程长、环节多、审批慢如果你把全部希望押在华为身上整个秋招的心态会变得非常脆弱。我身边有位朋友各方面条件都很好但因为一直在等华为的意向书把其他几家的流程都推掉了结果12月中旬华为那边通知HC冻结最后只能匆匆忙忙补春招。这个教训太深了。正确的做法是秋招前期广撒网保底offer先拿到手里再做选择。有了退路之后面华为的时候心态会完全不一样回答问题会更放松也不容易因为过度紧张而发挥失常。6.2 面试是双向的学会判断岗位是否适合你很多人把面试当成被考察的过程其实面试也是你了解公司的窗口。尤其是反问环节完全可以看出一个团队的真实情况。如果面试官在回答你问题时讲得很具体能说出团队现在在做什么、遇到什么问题、未来半年到一年的规划说明这个团队业务清晰、管理到位。如果面试官回答得含含糊糊只会说“我们业务范围很广”“来了都能接触到”那可能意味着团队方向还不明确进去了容易做杂活。我当时面完华为对主管面的印象很深。他明确说了团队目前在做哪类业务、大模型占多大的比例、新人大概从什么方向入手这种坦诚的回答让我对这个岗位有了比较清晰的预期。面试结束后我反而觉得即使最终没过我也从这场面试里了解到了很多有价值的信息。6.3 我的几点实操心得最后分享几个实操层面的小经验都是在这次秋招里验证过有用或者踩过坑的。第一整理一份面试错题本。每场面试结束之后把自己没答上来的问题记录下来并补充好正确的理解和答案。这个错题本在整个秋招后期价值极大因为面过的公司反复问的问题范围其实高度重合。我后来有几场面试能顺利通过就是因为错题本里正好押中了类似的问题。第二面试前把项目相关的每个细节用“为什么”过一遍。为什么选这个模型、为什么用这个指标、为什么这么设置超参数、为什么这个方案能work。面试官的所有追问本质上都是在问“为什么”。提前准备好这些问题面试时会从容很多。第三12月还在面试或者还在等结果真的不用太焦虑。秋招这个事有时候就是看匹配度和运气。华为AI岗的流程长是众所周知的12月份只是它的正常节奏。只要你的简历已经进了部门池子面试也表现正常后面剩下的就是耐心等审批。你真正要做的是把手里的其他选项也维护好别让自己处于被动等结果的境地。秋招是一场持久战走到12月的人很多你不是一个人。好好复盘把手里的牌打好后面总会有一个合适的位置在等你。