嵌入式Linux学习规划

年终8.4w，试用期8折，需要出差啥的。

楼主真实说法,不捧不踩，实事求是2025届本科毕业，到现在工作快一年了，在上海张江某原厂写裸机/RTOS/Linux核的bsp，年包纯base税前45w，也算有点小小心得，权当抛砖引玉吧。先简单介绍下背景，院校某985异地校区，大一大二有一些嵌入式相关的竞赛(但成果很一般) ，自己捣鼓了一些cpp的玩意(那个时候想转互联网），大三突然发现还是得找点实习，于是找了个简历模板填完简历顺便狠狠投了几天后，拿了几个offer，选了北京某riscv厂实习(虽然最后做的还是ARM SoC），最后因为学历不是硕士拿转正offer失败，刚好9月份，顺便就回校继续准备秋招了。好在那个时候已经拿到了不少offer...

想入门模型部署，问了一下Gemini，他的回答如下，大佬们看看这路径可行吗？？？第 1-2 个月：打地基（Modern C++ & CMake & Linux）目标：能看懂推理引擎源码，能独立构建多文件 C++ 项目。核心内容：Modern C++：跟着 HKL 视频，重点吃透 智能指针 (RAII)、移动语义 (Move)、Lambda 表达式和简单的模板。CMake：掌握如何链接第三方库（OpenCV, CUDA, TensorRT），学会编写 find_package。CSAPP：重点精读 第 6 章（存储层次）。理解什么是 Cache Latency。里程碑：在 Linux/WSL 下用 CMake 构建一个调用 OpenCV 处理视频流的小项目。手动实现一个包含智能指针管理的简易内存池。📅 第 3 个月：拿手术刀（CUDA 编程入门）目标：理解 GPU 并行逻辑，能手写并优化基础算子。核心内容：核心概念：Thread, Block, Grid, Shared Memory, Warp Shuffle。实战任务：手写一个 矩阵乘法 (GEMM)。版本 1：朴素版（跑通）。版本 2：使用 Shared Memory 优化（速度提升 5-10 倍）。性能分析：学会使用 nsight-systems 查看 Kernel 执行时间。里程碑：手写一个自定义的图像预处理 Kernel（比如把 BGR 转成 RGB 并归一化）。📅 第 4 个月：炼金术（模型转换与 TensorRT）目标：把 PyTorch 模型变成 1660 Ti 上的极致推理引擎。核心内容：ONNX：学习如何导出 ONNX，如何用 onnx-simplifier 简化模型。TensorRT：掌握 trtexec 工具，学习编写 TensorRT 的 C++ API 推理代码（创建 Runtime、Engine、Context）。插件编写：尝试为一个 TensorRT 不支持的算子写一个 CUDA Plugin。里程碑：将 YOLOv8 导出为 TensorRT 引擎，并在 1660 Ti 上跑到极致 FPS。📅 第 5 个月：工业化（量化与性能压榨）目标：攻克部署最难的一环——精度与速度的平衡。核心内容：量化原理：学习对称量化 vs 非对称量化，理解 KL 散度。PTQ 实战：使用 TensorRT 的 Int8EntropyCalibrator 进行训练后量化。多线程部署：学习 C++ std::thread 或生产消费者模型，实现“视频读取-模型推理-结果渲染”的异步并行流水线。里程碑：完成一个低延迟、多线程的实时检测系统，对比 FP16 和 INT8 的精度损失与速度提升。📅 第 6 个月：破圈与冲刺（国产迁移 & 算法 & 面试）目标：将能力迁移，准备实习面试。核心内容：国产迁移：如果有条件，借或买一个 RK3588 开发板，学习 RKNN-Toolkit。你会发现，因为你有了前 5 个月的底子，这部分 2 周就能上手。算法刷题：每天 1-2 道 LeetCode，重点是数组、链表、排序。八股文复习：回顾 C++ 内存模型、操作系统基础。里程碑：整理简历，把“手写 CUDA Kernel 优化”、“TensorRT INT8 量化实战”作为核心项目写上去。

嵌入式一直被认为“辛苦但不一定高薪”。但现实是——行业差异巨大。有的方向月薪 15K 封顶，有的方向 40K+ 只是起点。关键不在“嵌入式”这三个字，而在于你进入哪个行业赛道。这篇文章给你讲清楚：哪些嵌入式方向属于高薪赛道每个行业的技术核心是什么分别需要准备哪些能力哪些方向未来更有增长空间一、嵌入式行业薪资分层现状大致可以分三档：第一档：高薪赛道（技术壁垒高）自动驾驶 / 车载系统芯片原厂 / SoC BSP音视频影像设备通信设备（5G / 基站）工业控制高端领域机器人 / 无人系统第二档：稳定中高薪智能家居物联网设备消费电子医疗设备第三档：偏应用型普通 MCU 开发简单外设驱动低复杂度硬件控...