商汤科技2018校招iOS开发工程师笔试第二场这个标题放到今天来看依然有嚼头。一方面商汤作为AI视觉领域的头部公司它的技术笔试题向来不水另一方面iOS开发岗位在校招笔试里其实有点“夹心层”的意思——既要比拼通用算法功底又要考察客户端特有的知识体系还要看你对AI应用场景有没有sense。我身边不少当年一起刷题的朋友有的栽在内存管理细节上有的挂在架构设计题上回头复盘时都感慨这类笔试考察的不是你会不会写UI而是你有没有完整的客户端工程思维。这篇文章我就以商汤这场笔试为切入点拆一拆AI公司iOS岗位笔试题背后的考察逻辑把核心知识点、备考策略、常见失分点一次讲透给正在准备校招或跳槽的朋友一份可落地的参考。1. 笔试背后的岗位定位AI公司要什么样的iOS工程师1.1 商汤科技与iOS岗位的特殊性商汤科技的核心业务集中在计算机视觉和深度学习平台很多人会下意识觉得这种公司招iOS开发可能就是做做官网App或者内部工具。实际上完全不是这样。AI公司的客户端岗位尤其是商汤这种算法驱动型公司iOS工程师要承担的任务往往是把算法能力产品化——人脸检测的实时预览、AR特效的渲染管线、视频流的高性能处理、模型在端侧推理的调度这些都落在客户端工程师肩上。这也决定了笔试的出题方向和纯互联网公司的iOS岗有明显差异。普通电商类App可能更偏重业务架构、页面性能优化、数据缓存策略而商汤这种AI公司会更看重你对底层原理的理解、对性能瓶颈的敏感度以及把复杂算法工程化的能力。2018年这个时间点Core ML刚推出不久端侧跑模型还是新鲜事但商汤的笔试里已经开始渗透这类思维了。1.2 校招笔试的三层考察结构拿我接触过的商汤校招笔试题型来看整体可以分成三层递进结构。第一层是语言基础与内存管理重点考察OC的运行时特性、引用计数机制、block的坑。这一层刷掉的是基础不牢的人。第二层是UI与架构设计Auto Layout、UIKit生命周期、MVC/MVVM的适用场景、组件化思路。这一层刷掉的是只会写页面但不理解架构的人。第三层是算法与系统设计常规的数据结构与算法题之外还会出现和图像处理、性能优化相关的场景题。这一层刷掉的是缺乏工程深度的人。三层结构层层递进你光会刷LeetCode不够光会写OC也不够得把两者结合起来。这也是很多科班出身但没接触过客户端开发的同学最难受的地方——算法题能AC一碰到客户端场景题就无从下手。2. 笔试核心考点拆解OC语言与内存管理2.1 引用计数与自动释放池的深入理解2018年那会儿Swift已经出了四年但OC依然是大厂笔试的绝对主力。商汤这场笔试也不例外围绕内存管理的题目占了不少分值。引用计数是OC内存管理的基石但笔试题不会直接问你“什么是引用计数”而是会绕几个弯。我记得有一道典型的题目是考察weak修饰符和dealloc的执行顺序以及__weak变量在ARC下的实现原理。很多人知道weak引用会自动置nil但说不清背后的objc_loadWeak和objc_storeWeak的调用机制也不知道SideTable和weak_table_t是怎么组织的。这类题考的不是记忆而是你有没有真正读过runtime源码。自动释放池也是高频考点尤其在runloop循环和线程之间的关系上。题目经常会把autoreleasepool、runloop、线程保活三个概念揉在一起考。如果只是背概念遇到这种综合题很容易懵。这里我建议备考时把runloop的源码执行流程过一遍搞清楚kCFRunLoopEntry、kCFRunLoopBeforeWaiting、kCFRunLoopExit这几个时机和自动释放池的创建销毁对应关系题目再怎么变都能接住。2.2 Block的循环引用与底层结构Block几乎是iOS笔试必考商汤这场也不例外。但它的考察方式比较狡猾不是直接问“block为什么会循环引用”而是给一段嵌套代码让你分析有没有循环引用、如果有应该怎么改。我在实际开发中踩过一次很深的坑是在一个图像处理工具类里用block做异步回调回调里又持有了self去更新UI而self又通过属性持有这个工具类实例结果整个控制器在pop之后根本不走dealloc。后来用Instruments的Leaks模板一查才发现是循环引用。这类经验在笔试里特别加分因为面试官问的不只是会不会用__weak而是有没有真正被坑过、有没有自己的排查方法论。Block底层结构也是常考点尤其需要说清楚block会捕获哪些变量、为什么局部变量需要__block才能修改、三种block_NSConcreteStackBlock、_NSConcreteMallocBlock、_NSConcreteGlobalBlock分别在什么场景下出现。这里我给一个记忆口诀无捕获变量的是全局block栈上创建的是栈block栈block被copy后变成堆block。笔试如果涉及block底层把这个链条讲清楚基本就稳了。2.3 内存管理题目的实战表格为了让大家看得更清楚我把商汤这类AI公司笔试里最常见的几种内存管理考察方式整理成了一张表方便对照复习。考察点常见出题方式核心应对思路失分重灾区weak原理代码中weak属性在dealloc前后的变化讲清SideTable、weak_entry_t的维护流程只答“自动置nil”不答底层block循环引用嵌套block内部持有self用__weak 判空说清捕获列表时机忽略block对变量的捕获时机autoreleasepoolrunloop和线程的结合场景解释自动释放池的压栈出栈时机说不清和runloop的关系内存泄漏Instruments排查代码段结合Leaks/Allocations给排查路径只回答“用工具查”没有方法论Tagged Pointer小对象的内存优化原理说明指针本身就是值的存储方式混淆isa指针和Tagged Pointer这张表里的每一行都是在实际笔试和面试里反复出现过的。我建议备考时不要只盯着概念背而是每一条都能讲出一个自己写代码时遇到的真实场景这样笔试的简答题和面试的追问环节都能从容应对。3. UI与架构设计从页面搭建到工程思维3.1 Auto Layout的性能陷阱与优化思路商汤笔试的UI部分不太会考你怎么拖控件而是更倾向于考察你对UIKit机制的理解深度。Auto Layout是其中一个绕不开的考点但我发现很多同学对它的理解停留在怎么用对于它为什么在你视图层级复杂时会出现性能问题基本没概念。Auto Layout本质上是一个约束求解过程系统需要把所有的约束转成线性方程组然后用Cassowary算法求解。当约束数量爆炸的时候布局计算就会成为性能瓶颈。尤其是在列表页的cell里如果每个cell里有几十个视图并且都用了约束滑动时就会频繁触发求解计算掉帧就出现了。我记得有一道题目是问“如何优化一个复杂cell的布局性能”答案其实可以分几个维度减少视图层级、把固定不变的部分用frame布局、动态部分才用约束、避免约束冲突导致的额外求解。这里我有一个看法2018年那会儿很多人推崇纯代码加Masonry但到了今天我更推荐在性能敏感的场景直接上frame计算加缓存把复杂布局拆成几个独立模块分别算frame。笔试时如果能讲出这种基于性能考量的技术选型逻辑比单纯罗列API要有说服力得多。3.2 事件传递链与响应链机制事件传递链也是商汤这类笔试喜欢考的点。它不会直接问你“hitTest怎么用”而是给一个复杂的嵌套视图结构问点击某个位置时事件会怎么传递、哪个视图最终响应。这里面有两个核心链条需要记清楚一个是查找链事件从UIApplication往下分发通过hitTest:withEvent:逐级查找最合适的响应视图另一个是响应链找到的视图如果无法处理事件就沿着nextResponder往上抛。这两个方向正好相反容易搞混。我建议用一个比喻来理解查找链就像快递员送件拿着包裹从小区门口开始问每个楼栋有没有收件人一路问到具体房间响应链则像收件人拒收后退件从具体房间一路退回快递站。这样理解之后不管题目怎么嵌套视图你都能顺着链条推出来结果。3.3 MVC、MVVM与组件化架构的取舍商汤笔试的架构题通常比较开放比如给一个业务场景让你设计架构方案。这类题目看着自由其实有明确的踩分点。重点是你要能说出不同架构之间的优劣对比以及你选择的架构在特定场景下解决了什么问题。我常用的答题框架是先问三个问题业务是否复杂、团队人员水平如何、是否需要跨端复用。如果是AI类的产品比如实时视频流处理那View层和业务逻辑之间天然有一道屏障因为算法能力是在独立的管理器里封装的这时候MVP或者MVVM会比MVC更合适。如果只是工具型AppMVC的简单直接反而是优点。组件化也是当年的大热考点商汤笔试里出现过一道关于模块间通信的题目。我的经验是组件化不是越彻底越好而是要看业务是否有真正的独立模块需要并行开发。通信方案的选择上如果追求编译期安全就用protocol加依赖注入如果追求灵活可以用消息转发机制做解耦但要接受字符串调用的不确定性。4. 算法与数据结构校招笔试的硬通货4.1 算法题的难度与题量分布商汤作为AI公司笔试的算法题难度定在中上水平。2018年这场第二场笔试题量不是很大但每道题都需要想一阵子。相比纯互联网大厂那种三题定胜负的模式商汤的算法题更注重和实际业务场景的结合。印象里涉及到的题型有二叉树遍历的变体、链表的操作、动态规划的经典模型以及字符串处理。难度上大概是LeetCode的Medium偏上偶尔会有一道Hard级别的压轴题。我给备考者的建议是不要押题而是把每种数据结构和它的典型应用场景吃透。比如二叉树你不仅要会前中后序遍历和层序遍历还要理解递归和迭代两种写法的差异因为很多变体题都是从遍历框架延伸出来的。4.2 一道典型算法题的多角度拆解我举一个当年备考时反复练过的例子给定一个字符串找出最长的不含重复字符的子串长度。这题LC上是Medium但商汤笔试里经常以变形的方式出现比如加一个条件“只包含小写字母”或者“允许最多K个重复字符”。基础解法是滑动窗口加哈希表左右指针维护窗口边界哈希表记录每个字符最后出现的位置。对于标准版本代码不长但有几个细节容易错。我给出一个模板def lengthOfLongestSubstring(s: str) - int: char_index {} left 0 max_len 0 for right, ch in enumerate(s): if ch in char_index and char_index[ch] left: left char_index[ch] 1 char_index[ch] right max_len max(max_len, right - left 1) return max_len这里的关键点一个是更新left时要判断上一次出现位置是否在当前窗口内另一个是char_index要在更新left之后才赋值否则会覆盖掉旧位置导致判定错误。这种细节笔试时特别容易踩坑我建议刷题时把这类代码多默写几遍形成肌肉记忆。如果题目升级为“允许最多K个重复字符”思路就要从滑动窗口升级为带状态控制的滑动窗口维护一个计数数组当窗口内重复次数超限时收缩左边界。这类变体考察的就是能不能举一反三把基础模板在限定条件下灵活调整。4.3 图像处理相关算法的基础储备商汤笔试里有一个特色题型其他互联网公司很少见就是和图像处理结合的算法题。不一定会直接让你写图像处理的代码但可能会考察一些基础概念比如卷积操作的时间复杂度、图像缩放算法的选择、颜色空间转换的原理。我觉得备考时不需要深入学OpenCV但至少要搞明白一张W乘H的图像用K乘K的卷积核做卷积时间复杂度是多少最邻近插值和双线性插值的区别是什么RGB转灰度图常用公式为什么是那个权重。这些知识在客户端开发里也很有用商汤的很多业务都是实时视频流处理这些概念能直接体现你和AI公司业务场景的匹配度。5. 系统设计题从客户端视角解决AI落地问题5.1 实时视频流处理的设计思路商汤笔试的系统设计题我认为是整张卷子里最见功力的部分。它不是让你设计一个电商秒杀系统而是给你一个移动端的AI应用场景让你设计技术方案。举个例子当时有一道类似的题设计一个实时人脸检测的iOS应用要求耗电低、帧率高、不阻塞主线程。这个题看起来开放但考察点非常集中。首先是采集层你要说服面试官用AVCaptureSession的预设和格式输出说明为什么选YUV而不是RGB因为YUV在后续算法处理中更友好。然后是处理层算法检测的耗时如果超过帧间隔你要考虑丢帧策略还是降分辨率策略。最后是展示层要用Core Animation的专用图层直接渲染CMSampleBuffer避免多余的CPU和GPU拷贝。我当时的回答思路是分模块逐个击破从采集到处理到渲染画出数据流然后针对每个环节的瓶颈给出优化方案。这套思路后来我用到了实际项目中做了一个基于Vision框架的实时人脸关键点检测Demo踩了不少坑才跑顺。笔试和实际开发的差别在于你可以把方案说得理想化但一定要有取舍逻辑面试官最反感的是“这里用高端的XXX技术就行”这种没有权衡过程的回答。5.2 端侧模型推理与性能的平衡AI公司笔试题还有一个避不开的考点端侧模型推理。2018年Core ML刚起步很多模型还在用OpenCV加自研引擎跑但笔试题已经开始考察你对端侧推理的理解了。核心矛盾很简单模型越准确计算量越大手机扛不住模型越小速度越快但准确率下降。这个权衡怎么取舍就是出题人想看到的思考过程。我建议答题时从这几个维度展开模型的量化方式、推理框架的选择、CPU/GPU的调度策略、内存占用与包体积的平衡。针对端侧推理还有一个容易被忽略的点就是热启动和冷启动的差异。模型加载到内存里是一次性的开销但初始化时间往往很长如果每次进页面都重新加载模型体验会很差。设计上通常会在App启动后的空闲时段预加载模型或者在首次使用前做预热。这个细节如果在笔试时主动提出来面试官会对你的工程经验另有加分。5.3 网络层与弱网环境下的AI能力保障AI能力上到移动端网络是绕不过去的坎。商汤笔试里出现过一道网络相关的题目大意是设计一个上传图片到云端识别的流程要求保证弱网环境下的成功率。这不只是一道iOS网络题而是一道系统设计题。答题时要考虑连接层的网络库选型、超时重试机制、图片上传的压缩策略、断点续传的实现方案。我见过不少同学只知道用AFNetworking但说不出AFNetworking内部是怎么管理请求任务的也说不出遇到连接超时时应该怎么设置重试策略才能避免雪崩。这里我提供一个实用的思路请求从文本到图片要分级设计。文本请求超时时间短一些图片上传超时时间拉长并且要支持队列和优先级。弱网环境下单纯重试会产生大量并发请求导致带宽全被占用、彻底连不上服务器所以要引入退避策略。第一次失败等1秒再重试第二次失败等2秒第三次等4秒指数退避加抖动这样既不暴击服务器又能保证用户体验。这类经验在笔试和面试里都很加分因为它是你真实调过的接口、踩过的坑才能沉淀出来的。6. 备考刷题与实战经验从笔试题到Offer的最后一公里6.1 笔试的答题节奏与时间分配策略校招笔试的时间一向紧张商汤这场也不例外。我当年参加过的笔试经验是选择题和简答题要控制在总时长的四分之一以内把大头时间留给算法题和系统设计题。因为算法题不是会不会的问题而是能不能在高压环境下快速写出边界情况都考虑到的代码的问题。策略上我推荐三步走第一拿到卷子先把所有题目扫一遍标注难度和分值先做自己最有把握的题目把保底分拿到第二再做中等难度的题这类题通常是笔试的分水岭第三最后攻克难题就算做不出来也要把思路和伪代码写上去很多笔试是人工阅卷看到有思考痕迹的答案会给过程分。还有一个很多人忽略的点笔试环境的熟悉程度。商汤用的在线笔试系统有些是不支持本地编译调式的代码写错一个括号可能整题废掉。我建议备考阶段就习惯在网页里写代码不开IDE提示纯手敲锻炼一次性写对的准确度。6.2 高频失分点与独家避坑技巧这几年我帮不少学弟学妹复盘过笔试题发现失分点有很强的规律性在这里整理一份避坑清单。第一内存管理题目里__weak变量在ARC下使用时如果没判空就访问容易出现野指针崩溃。笔试写代码时可能不影响编译但面试官一眼就能看出来你是否有防御式编程的习惯。第二滑动窗口类的算法题边界条件最容易错尤其是更新左指针和记录最新索引的顺序问题我前面的代码模板里专门标注了这个细节。第三系统设计题里只给方案不给理由是最容易丢分的地方每个技术选型都要有对比和权衡过程。另外我特别想强调一个经验笔试对概念题的回答不要只写结论把推导过程也写上去。比如考自动释放池你回答“自动释放池在runloop休眠时释放对象”这个没错但只能拿一半分。你要是能把“RunLoop在BeforeWaiting时调用autoreleasePoolPop和autoreleasePoolPushobject啊object”的源码流程写出来就能拉开差距。6.3 从笔试到面试的延伸准备笔试只是第一关商汤这类公司通常会在面试环节就你笔试的答案深挖两三轮。所以交卷之后不是结束而是新一轮准备的开始。我建议笔试结束后第一时间把每道题重新复盘一遍特别是当时没做出来或者犹豫过的题把答案整理成自己的理解版本。面试时大概率会问你“这道题当时为什么这么答”“现在有没有新的想法”如果你能现场给出比笔试时更完整的方案那会是很大的加分项。另外商汤的面试还会围绕iOS和AI的结合展开很多开放性讨论。建议提前关注端侧推理框架、Metal性能优化、Vision框架的使用这类话题不需要深入源码级别但要能说出基本的技术选型依据和实际落地过程中的体验。我记得自己面试时被问到“如果让你在iPhone上实现实时美颜你的技术路线是什么”这个问题既考iOS知识又考AI工程思维核心就是看你有没有能力把两套知识体系打通。 商汤iOS校招笔试题深度拆解：从内存管理到AI工程实践
商汤科技2018校招iOS开发工程师笔试第二场这个标题放到今天来看依然有嚼头。一方面商汤作为AI视觉领域的头部公司它的技术笔试题向来不水另一方面iOS开发岗位在校招笔试里其实有点“夹心层”的意思——既要比拼通用算法功底又要考察客户端特有的知识体系还要看你对AI应用场景有没有sense。我身边不少当年一起刷题的朋友有的栽在内存管理细节上有的挂在架构设计题上回头复盘时都感慨这类笔试考察的不是你会不会写UI而是你有没有完整的客户端工程思维。这篇文章我就以商汤这场笔试为切入点拆一拆AI公司iOS岗位笔试题背后的考察逻辑把核心知识点、备考策略、常见失分点一次讲透给正在准备校招或跳槽的朋友一份可落地的参考。1. 笔试背后的岗位定位AI公司要什么样的iOS工程师1.1 商汤科技与iOS岗位的特殊性商汤科技的核心业务集中在计算机视觉和深度学习平台很多人会下意识觉得这种公司招iOS开发可能就是做做官网App或者内部工具。实际上完全不是这样。AI公司的客户端岗位尤其是商汤这种算法驱动型公司iOS工程师要承担的任务往往是把算法能力产品化——人脸检测的实时预览、AR特效的渲染管线、视频流的高性能处理、模型在端侧推理的调度这些都落在客户端工程师肩上。这也决定了笔试的出题方向和纯互联网公司的iOS岗有明显差异。普通电商类App可能更偏重业务架构、页面性能优化、数据缓存策略而商汤这种AI公司会更看重你对底层原理的理解、对性能瓶颈的敏感度以及把复杂算法工程化的能力。2018年这个时间点Core ML刚推出不久端侧跑模型还是新鲜事但商汤的笔试里已经开始渗透这类思维了。1.2 校招笔试的三层考察结构拿我接触过的商汤校招笔试题型来看整体可以分成三层递进结构。第一层是语言基础与内存管理重点考察OC的运行时特性、引用计数机制、block的坑。这一层刷掉的是基础不牢的人。第二层是UI与架构设计Auto Layout、UIKit生命周期、MVC/MVVM的适用场景、组件化思路。这一层刷掉的是只会写页面但不理解架构的人。第三层是算法与系统设计常规的数据结构与算法题之外还会出现和图像处理、性能优化相关的场景题。这一层刷掉的是缺乏工程深度的人。三层结构层层递进你光会刷LeetCode不够光会写OC也不够得把两者结合起来。这也是很多科班出身但没接触过客户端开发的同学最难受的地方——算法题能AC一碰到客户端场景题就无从下手。2. 笔试核心考点拆解OC语言与内存管理2.1 引用计数与自动释放池的深入理解2018年那会儿Swift已经出了四年但OC依然是大厂笔试的绝对主力。商汤这场笔试也不例外围绕内存管理的题目占了不少分值。引用计数是OC内存管理的基石但笔试题不会直接问你“什么是引用计数”而是会绕几个弯。我记得有一道典型的题目是考察weak修饰符和dealloc的执行顺序以及__weak变量在ARC下的实现原理。很多人知道weak引用会自动置nil但说不清背后的objc_loadWeak和objc_storeWeak的调用机制也不知道SideTable和weak_table_t是怎么组织的。这类题考的不是记忆而是你有没有真正读过runtime源码。自动释放池也是高频考点尤其在runloop循环和线程之间的关系上。题目经常会把autoreleasepool、runloop、线程保活三个概念揉在一起考。如果只是背概念遇到这种综合题很容易懵。这里我建议备考时把runloop的源码执行流程过一遍搞清楚kCFRunLoopEntry、kCFRunLoopBeforeWaiting、kCFRunLoopExit这几个时机和自动释放池的创建销毁对应关系题目再怎么变都能接住。2.2 Block的循环引用与底层结构Block几乎是iOS笔试必考商汤这场也不例外。但它的考察方式比较狡猾不是直接问“block为什么会循环引用”而是给一段嵌套代码让你分析有没有循环引用、如果有应该怎么改。我在实际开发中踩过一次很深的坑是在一个图像处理工具类里用block做异步回调回调里又持有了self去更新UI而self又通过属性持有这个工具类实例结果整个控制器在pop之后根本不走dealloc。后来用Instruments的Leaks模板一查才发现是循环引用。这类经验在笔试里特别加分因为面试官问的不只是会不会用__weak而是有没有真正被坑过、有没有自己的排查方法论。Block底层结构也是常考点尤其需要说清楚block会捕获哪些变量、为什么局部变量需要__block才能修改、三种block_NSConcreteStackBlock、_NSConcreteMallocBlock、_NSConcreteGlobalBlock分别在什么场景下出现。这里我给一个记忆口诀无捕获变量的是全局block栈上创建的是栈block栈block被copy后变成堆block。笔试如果涉及block底层把这个链条讲清楚基本就稳了。2.3 内存管理题目的实战表格为了让大家看得更清楚我把商汤这类AI公司笔试里最常见的几种内存管理考察方式整理成了一张表方便对照复习。考察点常见出题方式核心应对思路失分重灾区weak原理代码中weak属性在dealloc前后的变化讲清SideTable、weak_entry_t的维护流程只答“自动置nil”不答底层block循环引用嵌套block内部持有self用__weak 判空说清捕获列表时机忽略block对变量的捕获时机autoreleasepoolrunloop和线程的结合场景解释自动释放池的压栈出栈时机说不清和runloop的关系内存泄漏Instruments排查代码段结合Leaks/Allocations给排查路径只回答“用工具查”没有方法论Tagged Pointer小对象的内存优化原理说明指针本身就是值的存储方式混淆isa指针和Tagged Pointer这张表里的每一行都是在实际笔试和面试里反复出现过的。我建议备考时不要只盯着概念背而是每一条都能讲出一个自己写代码时遇到的真实场景这样笔试的简答题和面试的追问环节都能从容应对。3. UI与架构设计从页面搭建到工程思维3.1 Auto Layout的性能陷阱与优化思路商汤笔试的UI部分不太会考你怎么拖控件而是更倾向于考察你对UIKit机制的理解深度。Auto Layout是其中一个绕不开的考点但我发现很多同学对它的理解停留在怎么用对于它为什么在你视图层级复杂时会出现性能问题基本没概念。Auto Layout本质上是一个约束求解过程系统需要把所有的约束转成线性方程组然后用Cassowary算法求解。当约束数量爆炸的时候布局计算就会成为性能瓶颈。尤其是在列表页的cell里如果每个cell里有几十个视图并且都用了约束滑动时就会频繁触发求解计算掉帧就出现了。我记得有一道题目是问“如何优化一个复杂cell的布局性能”答案其实可以分几个维度减少视图层级、把固定不变的部分用frame布局、动态部分才用约束、避免约束冲突导致的额外求解。这里我有一个看法2018年那会儿很多人推崇纯代码加Masonry但到了今天我更推荐在性能敏感的场景直接上frame计算加缓存把复杂布局拆成几个独立模块分别算frame。笔试时如果能讲出这种基于性能考量的技术选型逻辑比单纯罗列API要有说服力得多。3.2 事件传递链与响应链机制事件传递链也是商汤这类笔试喜欢考的点。它不会直接问你“hitTest怎么用”而是给一个复杂的嵌套视图结构问点击某个位置时事件会怎么传递、哪个视图最终响应。这里面有两个核心链条需要记清楚一个是查找链事件从UIApplication往下分发通过hitTest:withEvent:逐级查找最合适的响应视图另一个是响应链找到的视图如果无法处理事件就沿着nextResponder往上抛。这两个方向正好相反容易搞混。我建议用一个比喻来理解查找链就像快递员送件拿着包裹从小区门口开始问每个楼栋有没有收件人一路问到具体房间响应链则像收件人拒收后退件从具体房间一路退回快递站。这样理解之后不管题目怎么嵌套视图你都能顺着链条推出来结果。3.3 MVC、MVVM与组件化架构的取舍商汤笔试的架构题通常比较开放比如给一个业务场景让你设计架构方案。这类题目看着自由其实有明确的踩分点。重点是你要能说出不同架构之间的优劣对比以及你选择的架构在特定场景下解决了什么问题。我常用的答题框架是先问三个问题业务是否复杂、团队人员水平如何、是否需要跨端复用。如果是AI类的产品比如实时视频流处理那View层和业务逻辑之间天然有一道屏障因为算法能力是在独立的管理器里封装的这时候MVP或者MVVM会比MVC更合适。如果只是工具型AppMVC的简单直接反而是优点。组件化也是当年的大热考点商汤笔试里出现过一道关于模块间通信的题目。我的经验是组件化不是越彻底越好而是要看业务是否有真正的独立模块需要并行开发。通信方案的选择上如果追求编译期安全就用protocol加依赖注入如果追求灵活可以用消息转发机制做解耦但要接受字符串调用的不确定性。4. 算法与数据结构校招笔试的硬通货4.1 算法题的难度与题量分布商汤作为AI公司笔试的算法题难度定在中上水平。2018年这场第二场笔试题量不是很大但每道题都需要想一阵子。相比纯互联网大厂那种三题定胜负的模式商汤的算法题更注重和实际业务场景的结合。印象里涉及到的题型有二叉树遍历的变体、链表的操作、动态规划的经典模型以及字符串处理。难度上大概是LeetCode的Medium偏上偶尔会有一道Hard级别的压轴题。我给备考者的建议是不要押题而是把每种数据结构和它的典型应用场景吃透。比如二叉树你不仅要会前中后序遍历和层序遍历还要理解递归和迭代两种写法的差异因为很多变体题都是从遍历框架延伸出来的。4.2 一道典型算法题的多角度拆解我举一个当年备考时反复练过的例子给定一个字符串找出最长的不含重复字符的子串长度。这题LC上是Medium但商汤笔试里经常以变形的方式出现比如加一个条件“只包含小写字母”或者“允许最多K个重复字符”。基础解法是滑动窗口加哈希表左右指针维护窗口边界哈希表记录每个字符最后出现的位置。对于标准版本代码不长但有几个细节容易错。我给出一个模板def lengthOfLongestSubstring(s: str) - int: char_index {} left 0 max_len 0 for right, ch in enumerate(s): if ch in char_index and char_index[ch] left: left char_index[ch] 1 char_index[ch] right max_len max(max_len, right - left 1) return max_len这里的关键点一个是更新left时要判断上一次出现位置是否在当前窗口内另一个是char_index要在更新left之后才赋值否则会覆盖掉旧位置导致判定错误。这种细节笔试时特别容易踩坑我建议刷题时把这类代码多默写几遍形成肌肉记忆。如果题目升级为“允许最多K个重复字符”思路就要从滑动窗口升级为带状态控制的滑动窗口维护一个计数数组当窗口内重复次数超限时收缩左边界。这类变体考察的就是能不能举一反三把基础模板在限定条件下灵活调整。4.3 图像处理相关算法的基础储备商汤笔试里有一个特色题型其他互联网公司很少见就是和图像处理结合的算法题。不一定会直接让你写图像处理的代码但可能会考察一些基础概念比如卷积操作的时间复杂度、图像缩放算法的选择、颜色空间转换的原理。我觉得备考时不需要深入学OpenCV但至少要搞明白一张W乘H的图像用K乘K的卷积核做卷积时间复杂度是多少最邻近插值和双线性插值的区别是什么RGB转灰度图常用公式为什么是那个权重。这些知识在客户端开发里也很有用商汤的很多业务都是实时视频流处理这些概念能直接体现你和AI公司业务场景的匹配度。5. 系统设计题从客户端视角解决AI落地问题5.1 实时视频流处理的设计思路商汤笔试的系统设计题我认为是整张卷子里最见功力的部分。它不是让你设计一个电商秒杀系统而是给你一个移动端的AI应用场景让你设计技术方案。举个例子当时有一道类似的题设计一个实时人脸检测的iOS应用要求耗电低、帧率高、不阻塞主线程。这个题看起来开放但考察点非常集中。首先是采集层你要说服面试官用AVCaptureSession的预设和格式输出说明为什么选YUV而不是RGB因为YUV在后续算法处理中更友好。然后是处理层算法检测的耗时如果超过帧间隔你要考虑丢帧策略还是降分辨率策略。最后是展示层要用Core Animation的专用图层直接渲染CMSampleBuffer避免多余的CPU和GPU拷贝。我当时的回答思路是分模块逐个击破从采集到处理到渲染画出数据流然后针对每个环节的瓶颈给出优化方案。这套思路后来我用到了实际项目中做了一个基于Vision框架的实时人脸关键点检测Demo踩了不少坑才跑顺。笔试和实际开发的差别在于你可以把方案说得理想化但一定要有取舍逻辑面试官最反感的是“这里用高端的XXX技术就行”这种没有权衡过程的回答。5.2 端侧模型推理与性能的平衡AI公司笔试题还有一个避不开的考点端侧模型推理。2018年Core ML刚起步很多模型还在用OpenCV加自研引擎跑但笔试题已经开始考察你对端侧推理的理解了。核心矛盾很简单模型越准确计算量越大手机扛不住模型越小速度越快但准确率下降。这个权衡怎么取舍就是出题人想看到的思考过程。我建议答题时从这几个维度展开模型的量化方式、推理框架的选择、CPU/GPU的调度策略、内存占用与包体积的平衡。针对端侧推理还有一个容易被忽略的点就是热启动和冷启动的差异。模型加载到内存里是一次性的开销但初始化时间往往很长如果每次进页面都重新加载模型体验会很差。设计上通常会在App启动后的空闲时段预加载模型或者在首次使用前做预热。这个细节如果在笔试时主动提出来面试官会对你的工程经验另有加分。5.3 网络层与弱网环境下的AI能力保障AI能力上到移动端网络是绕不过去的坎。商汤笔试里出现过一道网络相关的题目大意是设计一个上传图片到云端识别的流程要求保证弱网环境下的成功率。这不只是一道iOS网络题而是一道系统设计题。答题时要考虑连接层的网络库选型、超时重试机制、图片上传的压缩策略、断点续传的实现方案。我见过不少同学只知道用AFNetworking但说不出AFNetworking内部是怎么管理请求任务的也说不出遇到连接超时时应该怎么设置重试策略才能避免雪崩。这里我提供一个实用的思路请求从文本到图片要分级设计。文本请求超时时间短一些图片上传超时时间拉长并且要支持队列和优先级。弱网环境下单纯重试会产生大量并发请求导致带宽全被占用、彻底连不上服务器所以要引入退避策略。第一次失败等1秒再重试第二次失败等2秒第三次等4秒指数退避加抖动这样既不暴击服务器又能保证用户体验。这类经验在笔试和面试里都很加分因为它是你真实调过的接口、踩过的坑才能沉淀出来的。6. 备考刷题与实战经验从笔试题到Offer的最后一公里6.1 笔试的答题节奏与时间分配策略校招笔试的时间一向紧张商汤这场也不例外。我当年参加过的笔试经验是选择题和简答题要控制在总时长的四分之一以内把大头时间留给算法题和系统设计题。因为算法题不是会不会的问题而是能不能在高压环境下快速写出边界情况都考虑到的代码的问题。策略上我推荐三步走第一拿到卷子先把所有题目扫一遍标注难度和分值先做自己最有把握的题目把保底分拿到第二再做中等难度的题这类题通常是笔试的分水岭第三最后攻克难题就算做不出来也要把思路和伪代码写上去很多笔试是人工阅卷看到有思考痕迹的答案会给过程分。还有一个很多人忽略的点笔试环境的熟悉程度。商汤用的在线笔试系统有些是不支持本地编译调式的代码写错一个括号可能整题废掉。我建议备考阶段就习惯在网页里写代码不开IDE提示纯手敲锻炼一次性写对的准确度。6.2 高频失分点与独家避坑技巧这几年我帮不少学弟学妹复盘过笔试题发现失分点有很强的规律性在这里整理一份避坑清单。第一内存管理题目里__weak变量在ARC下使用时如果没判空就访问容易出现野指针崩溃。笔试写代码时可能不影响编译但面试官一眼就能看出来你是否有防御式编程的习惯。第二滑动窗口类的算法题边界条件最容易错尤其是更新左指针和记录最新索引的顺序问题我前面的代码模板里专门标注了这个细节。第三系统设计题里只给方案不给理由是最容易丢分的地方每个技术选型都要有对比和权衡过程。另外我特别想强调一个经验笔试对概念题的回答不要只写结论把推导过程也写上去。比如考自动释放池你回答“自动释放池在runloop休眠时释放对象”这个没错但只能拿一半分。你要是能把“RunLoop在BeforeWaiting时调用autoreleasePoolPop和autoreleasePoolPushobject啊object”的源码流程写出来就能拉开差距。6.3 从笔试到面试的延伸准备笔试只是第一关商汤这类公司通常会在面试环节就你笔试的答案深挖两三轮。所以交卷之后不是结束而是新一轮准备的开始。我建议笔试结束后第一时间把每道题重新复盘一遍特别是当时没做出来或者犹豫过的题把答案整理成自己的理解版本。面试时大概率会问你“这道题当时为什么这么答”“现在有没有新的想法”如果你能现场给出比笔试时更完整的方案那会是很大的加分项。另外商汤的面试还会围绕iOS和AI的结合展开很多开放性讨论。建议提前关注端侧推理框架、Metal性能优化、Vision框架的使用这类话题不需要深入源码级别但要能说出基本的技术选型依据和实际落地过程中的体验。我记得自己面试时被问到“如果让你在iPhone上实现实时美颜你的技术路线是什么”这个问题既考iOS知识又考AI工程思维核心就是看你有没有能力把两套知识体系打通。