关于实习投递总结：牛客链接。
入职
- A区5个、B区3个食堂，每天午饭20元打到卡上，晚饭20元和夜宵10元（晚9点）以点券形式发放，周末均以点券发放；按出勤日发放工资（实习生统一工资），每月2000元房补，报销来回车票，赠送2周酒店和贝壳免费转租服务；
- 公司通讯工具为阿里钉，联网、会议工具为阿里郎，文档工具为语雀；
- 除公司福利外还有一年香、三年醇、五年陈、奶茶日等活动，一般由公司组织或mentor买单；每季度有P9和HRG组织的新人茶话会活动；
- 团队有热天轮流请甜筒、升职请全组吃饭、周末爬山等传统；平时会组团打篮球、健身等；
- 工作时间：10点~12点，14点~18点，19点~21点（10 9 5）；周五18点下班；
- 不看工作时长，只看任务完成情况；只要任务完成任何时候都能下班；
- 技术能力和工作完成情况是第一位；
- 对同事、老板直呼花名（阿里特色）或同学；男女比大概3:1；
- 关于工作：每周老板会给任务，没完成会批评，经常周末也会给任务；
- 组里有和我同期进入的硕士应届生，有在华为工作两年跳槽阿里的，有在阿里干了六七年的；有年轻的，也有刚抱小孩的，没有年纪更大的；
- 压力非常大，每周一开一次组会，还有各项业务基本一天一次小会对接任务；
- 沟通直接，交流高效，不回避矛盾；
- 同组负责的业务有：端智能、XR、AI引擎相关；技术栈：C++、C#、Objective-C、Unity、iOS、Android、VisionOS、前端；
见闻
- 关于招聘（仅针对阿里）：一个岗位有几千人投递，经过HR筛选后剩50+份，交给组内员工直接面试；一面、二面、三面分别为P7（师兄）、P8（mentor）、P9（团队大老板），最后选出两人入职；总体竞争很激烈。
- 我个人对岗位的划分：研究、技术（工程）、业务；算法岗学历要求较高（我所在团队算法岗的最低学历是华五硕士，最高有北大博士）；技术岗有较稳定的推进节奏，也需要接相应业务以维持重要性；业务岗特定节点附近会很忙，平时相对轻松，据说升职速度主要取决于接到项目的含金量；
- 2023年7月，阿里改组1+6+N后进行中层职级调整，将P4~P8大职级拆分为14~28小职级，连续两季度绩效考核3.75（三档：3.75、3.5、3.25）可以升一小职级；P8以上职级取消，由组织直接任命并决定薪酬；
- 阿里摩天轮曾发生P0级事故：一个测试包30天过期并提醒升级的逻辑被注入到正式发布版，直到双十一前半个月才被发现。最后紧急打补丁修复，摩天轮负责人离职；
- 身边案例（往年）：一般两年升P6，4年~8年升P7，6年~10年升P8；P8开始管理小组（即mentor）；P9和HRG人员共同管理整个团队；
- 国内大厂的通病：短视、赛马，不以产品质量为关键指标，能用就行，导致团队间合作效率低，员工归属感较弱；
- KPI考核体系现已改为OKR体系；
- 每周一的周会：类Brainstorming讨论，语速快、无停顿、可以随意打断对方，不回避激烈态度和意见冲突（但坚持对事不对人）；有话直说，时刻以解决问题、提高效率为最高目标；
- 坚持任务驱动型学习，保持高效学习的能力比学习本身更重要；
- 组里有一个很摆的十二年 P6，从不加班，几乎也没有被裁风险，因为组内只有他负责这块业务，裁了很难补上；所以”建立技术和业务壁垒“也有用处，虽然大部分时候不是我们自己能控制的；
- P7 及以下的人员变动一般由 P9 统一管理，P8 负责反馈和具体执行；
- 要求出活，几乎没有时间能沉淀技术；
团队工作
- 新人茶话会（P9和HRG召开），Meta技术团队整体介绍；
- P9个人经历：13年 ALL IN无线，设计手淘架构；目前负责端智能；
- 面向3D/XR，业务侧；3D内容离线生产，实时渲染；
- 使用软硬一体拍摄设备，几何重建与NeRF重建，业务应用；
- 细节清晰、模型小（5M以内）、实时渲染、低成本；渲染耗时：3秒用户留存率较高，5秒大幅降低；
- 资产工作流规范化，降本提效，规模应用；已做到5000+交付，33项业务覆盖；
- 3D模型 → 结构化网格（Mesh）→ 材质贴图；网格固定：同款多SKU，网格生成：不同款式与不同SKU；
- 2D真人虚实融合：单视角0DoF；2.5D真人虚实融合：3DoF、360度多视角；3D：6DoF、有3D视频；
- 预处理 → 静态重建 → 动态稀疏重建 → 运动蒸馏 → 实时渲染；
- 行业首个手机端实时交互；大世界系统，流式加载，端云协同；初步落地：淘宝人生@手淘，日食记@手猫、手淘；
- 端3D引擎（渲染架构）：AceNNR Runtime；云3D引擎：AceUSD模型格式、3D资产库；
- 离线引擎AceRay光线追踪（1min-1h），实时UE光栅化渲染（15ms-1s）
- 端智能：MNN-XRAppOS（终端非游戏应用研发模式）（实时AI交互算法PixelAI）-3D商品AR交互应用；3D大模型；为Vision Pro做好规划；
- 人货场 - 一次编辑（UE Unity）- 二次编辑（电商3D内容编辑器）- AceUSD模型（3D资产库）；
个人工作
- 实习期任务：完成 XRAppOS 远程真机调试插件，实现对端侧 3D/XR 场景的
Unity 实时场景部署和调试；
- 在 XRAppOS 端侧构建调试 SDK，用于接收 Unity 发送过来的命令，和向 Unity 同步状态（主要技术栈: iOS/Android + C/C++/Objective-C++）；
- 在 Unity 中实现 XRAppOS 的 Debug Server，用于和端侧进行实时通信和同步状态（主要技术栈: C#/C++）；
- 基于 XRAppOS 端侧和 Unity 插件为 3D/XR 开发/调试提效，实现 Unity 场景快速导出并推送到端侧、端侧场景与 Unity 场景双向状态同步的调试。
- 第一阶段：插件环境搭建
- 第二阶段：插件架构设计
- 正式环境搭建
- gRPC 接入 XRAppOS
- 完成 Unity 与 XRAppOS 环境相互调用
- 跑通 Unity 中创建一个 Cube，同步在 XRAppOS 中创建
- 架构设计，需要满足如下几个条件：
- 扩展性：能够以较低的成本新增功能，允许外部开发者扩展插件能力
- 分层设计：按照通道、协议、接入、业务等维度自底向上的分层设计出插件的架构，使得后续功能开发无需关注底层通道和实现，只需要专心实现功能
- 稳定性：需要在底层做好稳定性保证，通过断线重连、重连状态恢复等机制保证通道稳定性，提高代码的鲁棒性避免出现 Crash
- 高性能：插件传输的数据较多，需要通过数据压缩、网路优化等手段降低延迟，提高通信效率，同时尽可能降低对 App 本身运行的影响
- 架构验证：
- 完成底层通道、协议层搭建
- 分别测试局域网和广域网下通道传输数据的延迟和吞吐量
- 完成接入层设计，并基于接入层实现 2 个接口并在 C/S 双端互调
- 稳定性验证：通过 Address Sanitizer(ASan) 验证 C++ 的稳定性，通过内存工具检查内存泄露，通过自测保证不发生 Crash
- 第三阶段：场景结点树同步
- 完成两个场景的 Node 树相互同步的逻辑
- 完成 Node 的层级结构对应（经过服务端几何处理后，可能结点中间的某级结构会发生变化，需要支持配置映射规则）
- 完成 Node 的 TRS (Translation / Rotation / Scale) 双向同步
- 完成 Node 的增删、层级结构变更同步
- 完成 Node 的 Component 修改同步
- 第四阶段（未来规划）：场景快速构建
- 在 Unity 端实现基于 AceNNR 的场景构造插件和模型上传接口的场景一键打包上传能力，并支持在 GUI 上实时查询上传状态、取消上传和查看上传结果
- 调通 AceNNR 插件接口调用
- MTOP 接口调用，MTOP C++ SDK，Apply SecretKey
- 上传按钮、上传状态和结果的 GUI
- （低优先级，先完成主线）与 XR 工程团队与 AceNNR 团队同学配合，搭建一条轻量级的本地场景处理通道，完成局域网的模型生成，并通过调试协议推送到端侧预览
- 第五阶段（未来规划）设备信息管理
- 设备沙盒文件管理 (可复用已有三方插件能力)
- 设备日志输出（例如输出端上的 tlog 等信息）
- 设备配置管理（例如修改端侧 Orange 配置）
- 逻辑开发调试（未来规划）
- XRAppOS x Weex JS 工程调试打通
项目
- 编写基于 XR 端智能框架的远程真机调试插件，实现对端侧 3D/XR 场景的
Unity 实时场景部署和调试
- 使用 P/Invoke 实现在 Unity 3D 中 C# 与 C++ 的跨语言调用；
- 使用 gRPC + Protobuf 组合完成多客户端远程实时高性能通信与 C/S 双端互调；
- 完成基于 Weex:binding 的模型渲染中间件，实现前端快速集成与部署
- 完成对 XR 渲染组件与前端框架的互操作的性能分析；
- 全平台轻量级高性能深度学习引擎 MNN 开发，完成 Python
运行时性能调优组件
- 搭建端智能基础链路，实现在 PythonVM 运行时上运行 MNN-CV 分类算法进行实时极高性能（200 ms）当前帧物品识别；
- 基于 iOS UIKit/AVFoundation 和 ARKit 的端侧 AR 页面适配，生成 SDK
测试包，并最终集成发布
- 设计 AR 互动帧投放放置类商品的通用页面与链接跳转协议；
- 基于 ARKit 在端智能框架中设计接口，为应用层提供获取点云地图能力；