行动计划 v5（2026-08 至 2027-08）

嵌入式 Linux + AI 端侧部署融合路线。2026-07-30 更新：定位为「嵌入式 Linux + AI 模型部署 + 自动驾驶感知」三位一体方向。

核心定位

嵌入式 Linux（就业主力）> 医学图像分割（升学）> AI 应用/Agent（工具融合）

两篇论文已有成果。核心不是写不出来，是论文水平够不够好期刊。读不了好博就需要就业，所以嵌入式优先。

方向选择：汽车电子（A）+ 端侧 AI（B）合并为「嵌入式 Linux + AI 部署」路线。 这是市场上极度稀缺的「DL+底层」复合人才定位。

全周期路线（13 个月 → 2027-08 秋招）

阶段 1：嵌入式 Linux 应用编程（当前 ~ 10 月）

主题	AI 加速学法	预计
文件 I/O	3 个最小案例 → 建规则 → 写变体 → AI 验证	4 天
进程（fork/exec/wait）	同上	5 天
IPC（管道/FIFO/共享内存/信号）	同上	10 天
多线程（pthread）	同上	5 天
网络（Socket/TCP/UDP/epoll）	同上	10 天
综合项目：C/S 监控服务器	自己设计，AI 审	6 天

产出：一个完整的 Linux 应用层项目（多线程网络服务器）

阶段 2：AI 模型部署流水线（10 ~ 12 月）

你的独特优势在此发挥——大部分嵌入式工程师不会这个。

主题	说明
PyTorch → ONNX 导出	用你现有的分割模型做练习
ONNX → TensorRT 转换	台式机 4070Ti 上做
INT8/FP16 量化	精度-速度 trade-off
TensorRT C++ API 推理	嵌入式部署的核心技能
后处理（NMS/解码）	目标检测/分割通用
性能分析（FPS/延迟/功耗）	面试必考

产出：能把自己的分割模型量化部署到嵌入式环境

阶段 3：Linux 内核/驱动 + 板子实战（12 ~ 2 月）

主题	说明
内核模块	module_init/exit 流程
字符设备驱动	file_operations 各回调
V4L2 摄像头驱动	ADAS 核心输入
设备树	平台设备匹配
Yocto/Buildroot	定制根文件系统

此时买板子：Orange Pi 5（RK3588，~400-500 元，有 NPU）

阶段 4：融合项目（2 ~ 5 月）

把前三个阶段串起来：

项目：嵌入式端目标检测推理系统

摄像头采集 → AI 推理 → 结果显示（嵌入式 Linux 上跑通完整链路）
可选：接入 CAN 总线模拟数据，展示"传感器融合"概念

面试时可讲的故事： "I can deploy deep learning models on embedded Linux systems, optimize inference performance, and understand the full pipeline from training to edge deployment."

阶段 5：面试准备（5 ~ 8 月）

C 语言八股、OS 八股、嵌入式 Linux 八股、LeetCode 150 题。

本周（07-30 ~ 08-06）具体任务

方向	任务	时间
ZET6 收尾	README + 演示视频（2 天搞定，不再投入更多）	2h×2
Linux 启动	VMware Ubuntu 上写第一个 Linux C 程序（文件 I/O）	3h/d
论文 2	晚上 18-19 点写不依赖消融的部分	1h/d
英语	照常 1.5h	1.5h/d

注意：不要再做 ZET6 的 UI 或 LVGL。当前项目已够格展示，2 天收尾后永久归档。

执行规则

每个概念按 YJango 5 步法学：设目标 → AI 给案例 → 比较建规则 → 自己写 → AI 验证
代码时间 ≥ 70%。不看视频，不读厚书
每个阶段结束时必须有一个"可展示项目"
每周日检查周产出
遇到瓶颈 → AI 辅助解决 → 解决后继续，不卡死

硬件策略

阶段	设备	成本
1-2	Steam Deck VM + 台式机 4070Ti	0 元
3	Orange Pi 5（RK3588，有 NPU）	~400-500 元
传感器	USB 摄像头	~50 元

风险点

风险	应对
论文 2 拖到 9 月	晚上 1h 保持节奏，不影响白天嵌入式
CMPB 被拒	改投下个期刊，不停下来等结果
英语 12 月不过 425	不影响就业，但影响申博
板子买早了吃灰	阶段 3 之前不买，先学透了再说

06-行动计划.md 4.2 KB Historique Raw