AIoT這個(gè)詞這兩年出現(xiàn)的頻率越來(lái)越高但很多人對(duì)它的理解還停留在AI加IoT的字面拼接上。實(shí)際去招聘網(wǎng)站翻一圈就會(huì)發(fā)現(xiàn)掛著AIoT名頭的崗位五花八門(mén)從寫(xiě)驅(qū)動(dòng)的到做算法的從畫(huà)板子的到搭平臺(tái)的薪資跨度能從十幾K到五六十K。這就帶來(lái)一個(gè)很現(xiàn)實(shí)的問(wèn)題同樣是AIoT開(kāi)發(fā)工程師這個(gè)身份你到底該往哪個(gè)方向深耕不同崗位每天在干什么、需要什么硬技能、天花板在哪里這些信息在招聘JD里往往寫(xiě)得含糊其辭。我結(jié)合自己這幾年在嵌入式、邊緣計(jì)算和物聯(lián)網(wǎng)平臺(tái)之間來(lái)回折騰的經(jīng)歷把AIoT這條鏈路上真實(shí)存在的崗位拆開(kāi)講一遍順便說(shuō)說(shuō)每個(gè)方向的門(mén)檻和坑希望能幫到正在選方向或者準(zhǔn)備跳槽的朋友。1. 先搞清楚AIoT這條鏈路到底分幾層在聊具體崗位之前得先把AIoT的技術(shù)棧理清楚不然你根本不知道自己站在哪一層。我習(xí)慣把它分成四層來(lái)看感知層、邊緣層、網(wǎng)絡(luò)層、平臺(tái)與應(yīng)用層。這個(gè)分法不是學(xué)術(shù)定義而是從實(shí)際項(xiàng)目分工和招聘需求反推出來(lái)的更貼近真實(shí)工作場(chǎng)景。感知層就是各種傳感器、執(zhí)行器、攝像頭、網(wǎng)關(guān)硬件本身。這一層的人天天和電路、通信協(xié)議、低功耗打交道。邊緣層是這兩年被提得最多的簡(jiǎn)單說(shuō)就是在離設(shè)備近的地方做計(jì)算而不是把所有數(shù)據(jù)都甩到云端。網(wǎng)絡(luò)層負(fù)責(zé)把數(shù)據(jù)從A點(diǎn)搬到B點(diǎn)涉及各種有線和無(wú)線通信方式。平臺(tái)與應(yīng)用層則是數(shù)據(jù)匯聚、存儲(chǔ)、分析、可視化以及最終面向業(yè)務(wù)的應(yīng)用開(kāi)發(fā)。為什么這個(gè)分層重要因?yàn)槊恳粚訉?duì)應(yīng)的崗位技能樹(shù)差異極大而且薪資結(jié)構(gòu)、職業(yè)天花板、被替代的風(fēng)險(xiǎn)都不一樣。我見(jiàn)過(guò)不少新人一上來(lái)就說(shuō)要做AIoT全棧結(jié)果學(xué)了一堆東西每樣都不精面試時(shí)被問(wèn)深一點(diǎn)就露餡。正確的做法是先錨定一層作為主戰(zhàn)場(chǎng)再向相鄰層做有限擴(kuò)展。下面這張表是我根據(jù)實(shí)際招聘情況和項(xiàng)目經(jīng)驗(yàn)整理的能幫你快速定位層級(jí)典型崗位核心技術(shù)棧薪資區(qū)間一線城市3-5年經(jīng)驗(yàn)感知層嵌入式開(kāi)發(fā)工程師、硬件工程師C、RTOS、STM32、電路設(shè)計(jì)15K-30K邊緣層邊緣計(jì)算工程師、嵌入式AI工程師Linux、Python、模型部署、異構(gòu)計(jì)算25K-45K網(wǎng)絡(luò)層物聯(lián)網(wǎng)通信工程師協(xié)議棧、組網(wǎng)、網(wǎng)關(guān)開(kāi)發(fā)18K-35K平臺(tái)層物聯(lián)網(wǎng)平臺(tái)開(kāi)發(fā)、AIoT解決方案工程師云原生、微服務(wù)、時(shí)序數(shù)據(jù)庫(kù)25K-50K需要說(shuō)明的是這個(gè)劃分是最可能的典型情況實(shí)際中很多崗位是跨層的尤其是中小公司一個(gè)人往往要兼顧邊緣和平臺(tái)。但作為職業(yè)規(guī)劃的參考框架先分清層次再選方向比盲目投簡(jiǎn)歷要靠譜得多。2. 嵌入式方向AIoT最扎實(shí)的基本盤(pán)嵌入式是AIoT的根這一點(diǎn)短期內(nèi)不會(huì)變。不管上層算法多花哨最終都要落到一塊具體的板子上跑起來(lái)。這個(gè)方向的崗位數(shù)量最多入門(mén)門(mén)檻相對(duì)明確但天花板也取決于你往哪個(gè)細(xì)分走。2.1 裸機(jī)與RTOS開(kāi)發(fā)入門(mén)友好但別停在這大部分人的嵌入式起點(diǎn)是STM32這類(lèi)MCU跑裸機(jī)程序或者FreeRTOS。典型工作內(nèi)容包括按鍵掃描、串口通信、傳感器數(shù)據(jù)采集、簡(jiǎn)單的控制邏輯。這個(gè)階段的核心技能是C語(yǔ)言、寄存器操作、中斷處理、通信協(xié)議UART/I2C/SPI。我剛開(kāi)始做物聯(lián)網(wǎng)網(wǎng)關(guān)項(xiàng)目時(shí)就是用STM32加FreeRTOS做的。當(dāng)時(shí)踩過(guò)一個(gè)很典型的坑按鍵掃描用了阻塞式延時(shí)結(jié)果整個(gè)系統(tǒng)在按鍵處理期間其他任務(wù)全卡住。后來(lái)改成非阻塞的狀態(tài)機(jī)掃描配合定時(shí)器輪詢(xún)才把實(shí)時(shí)性救回來(lái)。這個(gè)經(jīng)歷讓我明白一個(gè)道理——RTOS下任何阻塞操作都是定時(shí)炸彈尤其是延時(shí)函數(shù)能不用就不用。這個(gè)方向的崗位需求量大但純裸機(jī)開(kāi)發(fā)的薪資增長(zhǎng)很快會(huì)遇到瓶頸。我的建議是把RTOS用熟之后盡快往Linux方向遷移。原因很簡(jiǎn)單復(fù)雜AIoT設(shè)備網(wǎng)關(guān)、邊緣盒子、智能攝像頭基本都是跑Linux的純MCU能承載的業(yè)務(wù)復(fù)雜度有限。2.2 嵌入式LinuxAIoT設(shè)備的主流操作系統(tǒng)嵌入式Linux是AIoT開(kāi)發(fā)里含金量最高的基礎(chǔ)技能之一。你去看那些做智能網(wǎng)關(guān)、邊緣計(jì)算盒子的崗位JD里幾乎必然出現(xiàn)熟悉嵌入式Linux這一條。這個(gè)方向要掌握的東西比裸機(jī)多得多系統(tǒng)移植uboot、kernel裁剪、設(shè)備樹(shù)配置、根文件系統(tǒng)制作驅(qū)動(dòng)開(kāi)發(fā)字符設(shè)備、平臺(tái)設(shè)備、I2C/SPI/USB驅(qū)動(dòng)系統(tǒng)調(diào)試常用命令、日志分析、性能排查構(gòu)建系統(tǒng)Buildroot、Yocto的使用根文件系統(tǒng)的掛載方式是個(gè)高頻考點(diǎn)也是實(shí)際項(xiàng)目里容易出問(wèn)題的地方。NFS掛載在開(kāi)發(fā)階段特別方便主機(jī)上改完文件目標(biāo)板直接生效不用反復(fù)燒錄。但NFS版本要匹配我遇到過(guò)用NFS v3掛載失敗、換成v4才成功的情況反過(guò)來(lái)也有。生產(chǎn)環(huán)境一般用本地存儲(chǔ)或者只讀文件系統(tǒng)避免掉電損壞。提示嵌入式Linux學(xué)習(xí)曲線陡峭別指望看幾篇文章就會(huì)。最有效的方式是找一塊開(kāi)發(fā)板從點(diǎn)亮LED開(kāi)始一步步把系統(tǒng)跑起來(lái)每個(gè)環(huán)節(jié)都親手做一遍。這個(gè)方向的崗位薪資普遍比純MCU高一個(gè)檔次而且經(jīng)驗(yàn)越老越吃香因?yàn)橄到y(tǒng)級(jí)的調(diào)試能力很難被速成替代。2.3 嵌入式AI把模型塞進(jìn)資源受限的設(shè)備這是這兩年最熱的方向之一。核心工作是把訓(xùn)練好的AI模型部署到嵌入式設(shè)備上讓設(shè)備具備本地推理能力。為什么要在本地推理而不是全傳云端原因很直接延遲、帶寬、隱私。工業(yè)場(chǎng)景里幾十毫秒的延遲要求數(shù)據(jù)全傳云端根本來(lái)不及攝像頭視頻流全上傳帶寬成本扛不住涉及隱私的數(shù)據(jù)也不適合出設(shè)備。這個(gè)崗位需要的能力比較復(fù)合懂模型知道常見(jiàn)網(wǎng)絡(luò)結(jié)構(gòu)會(huì)做量化和剪枝懂框架TensorFlow Lite、ONNX Runtime、NCNN等推理框架懂硬件了解NPU、GPU、DSP的加速原理懂工程C部署、內(nèi)存管理、性能優(yōu)化我做過(guò)一個(gè)邊緣AI測(cè)試項(xiàng)目把一個(gè)人臉檢測(cè)模型部署到帶NPU的開(kāi)發(fā)板上。原模型在PC上跑得好好的移植過(guò)去幀率只有個(gè)位數(shù)。排查后發(fā)現(xiàn)兩個(gè)問(wèn)題一是輸入分辨率沒(méi)降二是沒(méi)用上NPU加速。把輸入從1080P降到640P再切換到NPU推理幀率直接翻了十幾倍。這個(gè)經(jīng)驗(yàn)說(shuō)明邊緣AI部署的核心不是模型本身而是工程優(yōu)化。3. 邊緣計(jì)算方向AIoT里最值錢(qián)的中間層邊緣計(jì)算是AIoT架構(gòu)里承上啟下的關(guān)鍵層也是目前薪資溢價(jià)最明顯的方向之一。它的核心價(jià)值在于把計(jì)算能力下沉到離數(shù)據(jù)源近的地方既降低了對(duì)云端的依賴(lài)又提升了響應(yīng)速度。3.1 邊緣計(jì)算工程師到底在做什么很多人以為邊緣計(jì)算就是在邊緣跑AI其實(shí)遠(yuǎn)不止。邊緣計(jì)算工程師的日常工作包括邊緣節(jié)點(diǎn)軟件架構(gòu)設(shè)計(jì)決定哪些任務(wù)在邊緣做、哪些上云邊緣平臺(tái)搭建部署和管理邊緣計(jì)算框架數(shù)據(jù)流處理邊緣側(cè)的數(shù)據(jù)過(guò)濾、聚合、緩存設(shè)備管理邊緣節(jié)點(diǎn)的遠(yuǎn)程配置、升級(jí)、監(jiān)控云邊協(xié)同邊緣和云端的數(shù)據(jù)同步、任務(wù)調(diào)度開(kāi)源邊緣計(jì)算平臺(tái)是繞不開(kāi)的話(huà)題。KubeEdge、EdgeX Foundry、EMQX這些在工業(yè)項(xiàng)目里用得很多。選型時(shí)要考慮的因素包括社區(qū)活躍度、部署復(fù)雜度、和你現(xiàn)有技術(shù)棧的契合度。我個(gè)人的經(jīng)驗(yàn)是別一上來(lái)就上重型框架小項(xiàng)目用輕量方案反而更穩(wěn)等業(yè)務(wù)復(fù)雜了再遷移。3.2 邊緣智能AI模型該放云端還是邊緣這是個(gè)經(jīng)常被討論的問(wèn)題。摘要里提到邊緣智能是將AI模型不屬于云端服務(wù)器所有計(jì)算都在云端完成延遲較高這句話(huà)點(diǎn)出了核心矛盾。我的判斷標(biāo)準(zhǔn)是這樣的場(chǎng)景特征推薦部署位置理由延遲敏感100ms邊緣云端往返延遲不可控?cái)?shù)據(jù)量大視頻流邊緣帶寬成本高隱私敏感邊緣數(shù)據(jù)不出設(shè)備模型超大、更新頻繁云端邊緣算力和存儲(chǔ)有限多設(shè)備協(xié)同決策云端需要全局視圖實(shí)際項(xiàng)目里往往是混合部署邊緣做實(shí)時(shí)推理和初步過(guò)濾云端做模型訓(xùn)練和全局分析。這種云邊協(xié)同的架構(gòu)是當(dāng)前AIoT項(xiàng)目的主流做法。3.3 工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算的實(shí)際落地工業(yè)場(chǎng)景是邊緣計(jì)算落地最扎實(shí)的地方。實(shí)訓(xùn)箱、產(chǎn)線監(jiān)控、設(shè)備預(yù)測(cè)性維護(hù)這些場(chǎng)景對(duì)實(shí)時(shí)性和可靠性要求極高。我參與過(guò)一個(gè)設(shè)備狀態(tài)監(jiān)控項(xiàng)目傳感器數(shù)據(jù)在邊緣側(cè)做實(shí)時(shí)異常檢測(cè)只有異常片段才上傳云端。這樣既保證了響應(yīng)速度又把云端存儲(chǔ)成本降了一個(gè)數(shù)量級(jí)。這個(gè)方向?qū)臉I(yè)者的要求是既懂OT又懂IT。OT是工業(yè)現(xiàn)場(chǎng)的協(xié)議和邏輯IT是軟件開(kāi)發(fā)和數(shù)據(jù)處理。兩邊都懂的人非常稀缺這也是為什么工業(yè)邊緣計(jì)算崗位薪資普遍偏高。4. 物聯(lián)網(wǎng)平臺(tái)與網(wǎng)絡(luò)方向連接與數(shù)據(jù)的生意設(shè)備和邊緣都搞定了數(shù)據(jù)總得有個(gè)地方匯聚和管理這就是平臺(tái)層和網(wǎng)絡(luò)層的機(jī)會(huì)。4.1 物聯(lián)網(wǎng)平臺(tái)開(kāi)發(fā)從設(shè)備接入到數(shù)據(jù)可視化物聯(lián)網(wǎng)平臺(tái)開(kāi)發(fā)的核心是設(shè)備接入、數(shù)據(jù)存儲(chǔ)、規(guī)則引擎、應(yīng)用使能。國(guó)內(nèi)有不少開(kāi)源和商業(yè)平臺(tái)ThingLinks這類(lèi)平臺(tái)在中小項(xiàng)目里用得挺多。這個(gè)崗位需要的技能偏向后端和云原生后端語(yǔ)言Java、Go、Python都有微服務(wù)架構(gòu)Spring Cloud、Dubbo消息中間件MQTT Broker、Kafka時(shí)序數(shù)據(jù)庫(kù)InfluxDB、TDengine容器化Docker、Kubernetes設(shè)備接入?yún)f(xié)議里MQTT是絕對(duì)主流因?yàn)樗p量、支持發(fā)布訂閱、適合弱網(wǎng)環(huán)境。但MQTT Broker的選型和調(diào)優(yōu)是個(gè)技術(shù)活連接數(shù)上萬(wàn)之后各種問(wèn)題都會(huì)冒出來(lái)。4.2 物聯(lián)網(wǎng)網(wǎng)關(guān)與網(wǎng)絡(luò)連接那些容易被忽略的細(xì)節(jié)網(wǎng)關(guān)是連接感知層和上層網(wǎng)絡(luò)的樞紐。做網(wǎng)關(guān)開(kāi)發(fā)要處理協(xié)議轉(zhuǎn)換、數(shù)據(jù)緩存、斷網(wǎng)續(xù)傳、遠(yuǎn)程升級(jí)等問(wèn)題。熱詞里提到的物聯(lián)網(wǎng)網(wǎng)關(guān)與傳感器的IP關(guān)系其實(shí)是個(gè)很實(shí)際的問(wèn)題——網(wǎng)關(guān)通常要做NAT或者路由傳感器在內(nèi)部子網(wǎng)網(wǎng)關(guān)對(duì)外提供統(tǒng)一出口。網(wǎng)絡(luò)連接方面交換機(jī)和路由器的配置是基本功。工業(yè)現(xiàn)場(chǎng)的網(wǎng)絡(luò)環(huán)境往往比辦公室復(fù)雜得多電磁干擾、線路老化、IP沖突都是家常便飯。我遇到過(guò)網(wǎng)關(guān)頻繁掉線最后查出來(lái)是網(wǎng)線接頭氧化導(dǎo)致接觸不良這種問(wèn)題靠軟件排查永遠(yuǎn)找不到。4.3 無(wú)源物聯(lián)網(wǎng)一個(gè)值得關(guān)注的新方向無(wú)源物聯(lián)網(wǎng)是最近比較新的概念核心思路是設(shè)備不帶電池從環(huán)境中獲取能量射頻、光、振動(dòng)等來(lái)工作。它的應(yīng)用場(chǎng)景主要是那些換電池成本極高的地方比如埋在墻里的傳感器、大規(guī)模部署的標(biāo)簽。這個(gè)方向目前還偏研究和早期落地但潛力不小。對(duì)從業(yè)者的要求偏向硬件和射頻和傳統(tǒng)嵌入式開(kāi)發(fā)有交集但不完全一樣。如果你對(duì)低功耗和能量收集感興趣可以提前關(guān)注。5. 不同背景的人該怎么選方向說(shuō)了這么多崗位最后落到最實(shí)際的問(wèn)題你該怎么選我按幾種常見(jiàn)背景給點(diǎn)具體建議。如果你是電子、自動(dòng)化相關(guān)專(zhuān)業(yè)應(yīng)屆生從嵌入式MCU入手最穩(wěn)妥先把C語(yǔ)言、RTOS、通信協(xié)議打扎實(shí)。工作一兩年后往嵌入式Linux遷移這是性?xún)r(jià)比最高的路徑。如果你是計(jì)算機(jī)專(zhuān)業(yè)想做AIoT別去卷裸機(jī)開(kāi)發(fā)直接走平臺(tái)層或邊緣計(jì)算。你的編程基礎(chǔ)和后端經(jīng)驗(yàn)在這里更值錢(qián)補(bǔ)一下Linux系統(tǒng)和網(wǎng)絡(luò)知識(shí)就夠了。如果你已經(jīng)在做純軟件開(kāi)發(fā)想轉(zhuǎn)AIoT邊緣計(jì)算和物聯(lián)網(wǎng)平臺(tái)是最平滑的切入點(diǎn)因?yàn)檫@兩個(gè)方向本質(zhì)還是軟件開(kāi)發(fā)只是運(yùn)行環(huán)境和業(yè)務(wù)場(chǎng)景變了。如果你在做運(yùn)維想轉(zhuǎn)Linux運(yùn)維的經(jīng)驗(yàn)在嵌入式Linux和邊緣計(jì)算方向都能復(fù)用補(bǔ)一下C語(yǔ)言和設(shè)備側(cè)知識(shí)即可。關(guān)于學(xué)習(xí)路線我的核心建議是以項(xiàng)目驅(qū)動(dòng)學(xué)習(xí)。別抱著教程從頭看到尾找一個(gè)具體的項(xiàng)目比如做一個(gè)物聯(lián)網(wǎng)網(wǎng)關(guān)、部署一個(gè)邊緣AI應(yīng)用在做的過(guò)程中遇到什么學(xué)什么。這樣學(xué)到的知識(shí)是帶場(chǎng)景的記得牢也用得上。面試準(zhǔn)備方面嵌入式方向的高頻考點(diǎn)包括內(nèi)存管理、中斷機(jī)制、通信協(xié)議時(shí)序、RTOS調(diào)度原理。Linux方向會(huì)問(wèn)啟動(dòng)流程、驅(qū)動(dòng)模型、常用調(diào)試命令、性能優(yōu)化。邊緣計(jì)算方向則側(cè)重架構(gòu)設(shè)計(jì)、云邊協(xié)同、容器化部署。這些都需要結(jié)合實(shí)際項(xiàng)目經(jīng)驗(yàn)來(lái)回答光背八股文很容易被追問(wèn)穿。這個(gè)領(lǐng)域變化很快新概念層出不窮但底層的東西——操作系統(tǒng)、網(wǎng)絡(luò)、編程能力——是相對(duì)穩(wěn)定的。把基本功練扎實(shí)再跟著具體項(xiàng)目去接觸新技術(shù)比追熱點(diǎn)要靠譜得多。我自己這幾年從MCU做到Linux再到邊緣計(jì)算每一步都是被具體項(xiàng)目推著走的回頭看反而是最扎實(shí)的成長(zhǎng)路徑。