AIoT这个词这两年出现的频率越来越高但很多人对它的理解还停留在AI加IoT的字面拼接上。实际去招聘网站翻一圈就会发现挂着AIoT名头的岗位五花八门从写驱动的到做算法的从画板子的到搭平台的薪资跨度能从十几K到五六十K。这就带来一个很现实的问题同样是AIoT开发工程师这个身份你到底该往哪个方向深耕不同岗位每天在干什么、需要什么硬技能、天花板在哪里这些信息在招聘JD里往往写得含糊其辞。我结合自己这几年在嵌入式、边缘计算和物联网平台之间来回折腾的经历把AIoT这条链路上真实存在的岗位拆开讲一遍顺便说说每个方向的门槛和坑希望能帮到正在选方向或者准备跳槽的朋友。1. 先搞清楚AIoT这条链路到底分几层在聊具体岗位之前得先把AIoT的技术栈理清楚不然你根本不知道自己站在哪一层。我习惯把它分成四层来看感知层、边缘层、网络层、平台与应用层。这个分法不是学术定义而是从实际项目分工和招聘需求反推出来的更贴近真实工作场景。感知层就是各种传感器、执行器、摄像头、网关硬件本身。这一层的人天天和电路、通信协议、低功耗打交道。边缘层是这两年被提得最多的简单说就是在离设备近的地方做计算而不是把所有数据都甩到云端。网络层负责把数据从A点搬到B点涉及各种有线和无线通信方式。平台与应用层则是数据汇聚、存储、分析、可视化以及最终面向业务的应用开发。为什么这个分层重要因为每一层对应的岗位技能树差异极大而且薪资结构、职业天花板、被替代的风险都不一样。我见过不少新人一上来就说要做AIoT全栈结果学了一堆东西每样都不精面试时被问深一点就露馅。正确的做法是先锚定一层作为主战场再向相邻层做有限扩展。下面这张表是我根据实际招聘情况和项目经验整理的能帮你快速定位层级典型岗位核心技术栈薪资区间一线城市3-5年经验感知层嵌入式开发工程师、硬件工程师C、RTOS、STM32、电路设计15K-30K边缘层边缘计算工程师、嵌入式AI工程师Linux、Python、模型部署、异构计算25K-45K网络层物联网通信工程师协议栈、组网、网关开发18K-35K平台层物联网平台开发、AIoT解决方案工程师云原生、微服务、时序数据库25K-50K需要说明的是这个划分是最可能的典型情况实际中很多岗位是跨层的尤其是中小公司一个人往往要兼顾边缘和平台。但作为职业规划的参考框架先分清层次再选方向比盲目投简历要靠谱得多。2. 嵌入式方向AIoT最扎实的基本盘嵌入式是AIoT的根这一点短期内不会变。不管上层算法多花哨最终都要落到一块具体的板子上跑起来。这个方向的岗位数量最多入门门槛相对明确但天花板也取决于你往哪个细分走。2.1 裸机与RTOS开发入门友好但别停在这大部分人的嵌入式起点是STM32这类MCU跑裸机程序或者FreeRTOS。典型工作内容包括按键扫描、串口通信、传感器数据采集、简单的控制逻辑。这个阶段的核心技能是C语言、寄存器操作、中断处理、通信协议UART/I2C/SPI。我刚开始做物联网网关项目时就是用STM32加FreeRTOS做的。当时踩过一个很典型的坑按键扫描用了阻塞式延时结果整个系统在按键处理期间其他任务全卡住。后来改成非阻塞的状态机扫描配合定时器轮询才把实时性救回来。这个经历让我明白一个道理——RTOS下任何阻塞操作都是定时炸弹尤其是延时函数能不用就不用。这个方向的岗位需求量大但纯裸机开发的薪资增长很快会遇到瓶颈。我的建议是把RTOS用熟之后尽快往Linux方向迁移。原因很简单复杂AIoT设备网关、边缘盒子、智能摄像头基本都是跑Linux的纯MCU能承载的业务复杂度有限。2.2 嵌入式LinuxAIoT设备的主流操作系统嵌入式Linux是AIoT开发里含金量最高的基础技能之一。你去看那些做智能网关、边缘计算盒子的岗位JD里几乎必然出现熟悉嵌入式Linux这一条。这个方向要掌握的东西比裸机多得多系统移植uboot、kernel裁剪、设备树配置、根文件系统制作驱动开发字符设备、平台设备、I2C/SPI/USB驱动系统调试常用命令、日志分析、性能排查构建系统Buildroot、Yocto的使用根文件系统的挂载方式是个高频考点也是实际项目里容易出问题的地方。NFS挂载在开发阶段特别方便主机上改完文件目标板直接生效不用反复烧录。但NFS版本要匹配我遇到过用NFS v3挂载失败、换成v4才成功的情况反过来也有。生产环境一般用本地存储或者只读文件系统避免掉电损坏。提示嵌入式Linux学习曲线陡峭别指望看几篇文章就会。最有效的方式是找一块开发板从点亮LED开始一步步把系统跑起来每个环节都亲手做一遍。这个方向的岗位薪资普遍比纯MCU高一个档次而且经验越老越吃香因为系统级的调试能力很难被速成替代。2.3 嵌入式AI把模型塞进资源受限的设备这是这两年最热的方向之一。核心工作是把训练好的AI模型部署到嵌入式设备上让设备具备本地推理能力。为什么要在本地推理而不是全传云端原因很直接延迟、带宽、隐私。工业场景里几十毫秒的延迟要求数据全传云端根本来不及摄像头视频流全上传带宽成本扛不住涉及隐私的数据也不适合出设备。这个岗位需要的能力比较复合懂模型知道常见网络结构会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、内存管理、性能优化我做过一个边缘AI测试项目把一个人脸检测模型部署到带NPU的开发板上。原模型在PC上跑得好好的移植过去帧率只有个位数。排查后发现两个问题一是输入分辨率没降二是没用上NPU加速。把输入从1080P降到640P再切换到NPU推理帧率直接翻了十几倍。这个经验说明边缘AI部署的核心不是模型本身而是工程优化。3. 边缘计算方向AIoT里最值钱的中间层边缘计算是AIoT架构里承上启下的关键层也是目前薪资溢价最明显的方向之一。它的核心价值在于把计算能力下沉到离数据源近的地方既降低了对云端的依赖又提升了响应速度。3.1 边缘计算工程师到底在做什么很多人以为边缘计算就是在边缘跑AI其实远不止。边缘计算工程师的日常工作包括边缘节点软件架构设计决定哪些任务在边缘做、哪些上云边缘平台搭建部署和管理边缘计算框架数据流处理边缘侧的数据过滤、聚合、缓存设备管理边缘节点的远程配置、升级、监控云边协同边缘和云端的数据同步、任务调度开源边缘计算平台是绕不开的话题。KubeEdge、EdgeX Foundry、EMQX这些在工业项目里用得很多。选型时要考虑的因素包括社区活跃度、部署复杂度、和你现有技术栈的契合度。我个人的经验是别一上来就上重型框架小项目用轻量方案反而更稳等业务复杂了再迁移。3.2 边缘智能AI模型该放云端还是边缘这是个经常被讨论的问题。摘要里提到边缘智能是将AI模型不属于云端服务器所有计算都在云端完成延迟较高这句话点出了核心矛盾。我的判断标准是这样的场景特征推荐部署位置理由延迟敏感100ms边缘云端往返延迟不可控数据量大视频流边缘带宽成本高隐私敏感边缘数据不出设备模型超大、更新频繁云端边缘算力和存储有限多设备协同决策云端需要全局视图实际项目里往往是混合部署边缘做实时推理和初步过滤云端做模型训练和全局分析。这种云边协同的架构是当前AIoT项目的主流做法。3.3 工业互联网边缘计算的实际落地工业场景是边缘计算落地最扎实的地方。实训箱、产线监控、设备预测性维护这些场景对实时性和可靠性要求极高。我参与过一个设备状态监控项目传感器数据在边缘侧做实时异常检测只有异常片段才上传云端。这样既保证了响应速度又把云端存储成本降了一个数量级。这个方向对从业者的要求是既懂OT又懂IT。OT是工业现场的协议和逻辑IT是软件开发和数据处理。两边都懂的人非常稀缺这也是为什么工业边缘计算岗位薪资普遍偏高。4. 物联网平台与网络方向连接与数据的生意设备和边缘都搞定了数据总得有个地方汇聚和管理这就是平台层和网络层的机会。4.1 物联网平台开发从设备接入到数据可视化物联网平台开发的核心是设备接入、数据存储、规则引擎、应用使能。国内有不少开源和商业平台ThingLinks这类平台在中小项目里用得挺多。这个岗位需要的技能偏向后端和云原生后端语言Java、Go、Python都有微服务架构Spring Cloud、Dubbo消息中间件MQTT Broker、Kafka时序数据库InfluxDB、TDengine容器化Docker、Kubernetes设备接入协议里MQTT是绝对主流因为它轻量、支持发布订阅、适合弱网环境。但MQTT Broker的选型和调优是个技术活连接数上万之后各种问题都会冒出来。4.2 物联网网关与网络连接那些容易被忽略的细节网关是连接感知层和上层网络的枢纽。做网关开发要处理协议转换、数据缓存、断网续传、远程升级等问题。热词里提到的物联网网关与传感器的IP关系其实是个很实际的问题——网关通常要做NAT或者路由传感器在内部子网网关对外提供统一出口。网络连接方面交换机和路由器的配置是基本功。工业现场的网络环境往往比办公室复杂得多电磁干扰、线路老化、IP冲突都是家常便饭。我遇到过网关频繁掉线最后查出来是网线接头氧化导致接触不良这种问题靠软件排查永远找不到。4.3 无源物联网一个值得关注的新方向无源物联网是最近比较新的概念核心思路是设备不带电池从环境中获取能量射频、光、振动等来工作。它的应用场景主要是那些换电池成本极高的地方比如埋在墙里的传感器、大规模部署的标签。这个方向目前还偏研究和早期落地但潜力不小。对从业者的要求偏向硬件和射频和传统嵌入式开发有交集但不完全一样。如果你对低功耗和能量收集感兴趣可以提前关注。5. 不同背景的人该怎么选方向说了这么多岗位最后落到最实际的问题你该怎么选我按几种常见背景给点具体建议。如果你是电子、自动化相关专业应届生从嵌入式MCU入手最稳妥先把C语言、RTOS、通信协议打扎实。工作一两年后往嵌入式Linux迁移这是性价比最高的路径。如果你是计算机专业想做AIoT别去卷裸机开发直接走平台层或边缘计算。你的编程基础和后端经验在这里更值钱补一下Linux系统和网络知识就够了。如果你已经在做纯软件开发想转AIoT边缘计算和物联网平台是最平滑的切入点因为这两个方向本质还是软件开发只是运行环境和业务场景变了。如果你在做运维想转Linux运维的经验在嵌入式Linux和边缘计算方向都能复用补一下C语言和设备侧知识即可。关于学习路线我的核心建议是以项目驱动学习。别抱着教程从头看到尾找一个具体的项目比如做一个物联网网关、部署一个边缘AI应用在做的过程中遇到什么学什么。这样学到的知识是带场景的记得牢也用得上。面试准备方面嵌入式方向的高频考点包括内存管理、中断机制、通信协议时序、RTOS调度原理。Linux方向会问启动流程、驱动模型、常用调试命令、性能优化。边缘计算方向则侧重架构设计、云边协同、容器化部署。这些都需要结合实际项目经验来回答光背八股文很容易被追问穿。这个领域变化很快新概念层出不穷但底层的东西——操作系统、网络、编程能力——是相对稳定的。把基本功练扎实再跟着具体项目去接触新技术比追热点要靠谱得多。我自己这几年从MCU做到Linux再到边缘计算每一步都是被具体项目推着走的回头看反而是最扎实的成长路径。