说明：本试卷共100分，分为单选、多选、判断、简答四种题型，难度比例为基础60%、提升30%、拓展10%；其中嵌入式软硬件开发相关AI知识占比50%，基础AI常识占比50%，答题时间90分钟。[备注：附加题10分]

一、单项选择题（共40题，每题1分，共40分）

请从每小题所给的四个选项中，选出一个最符合题目要求的选项。（基础题24题，提升题12题，拓展题4题；嵌入式AI相关20题，基础AI常识20题）

1. 人工智能（AI）的核心定义是（）【基础·AI常识】

A. 模拟人类肢体动作B. 模拟人类智能行为，实现机器自主思考、学习和决策C. 单纯计算机编程D. 固定指令执行机器

2. 下列不属于嵌入式系统核心组成的是（）【基础·嵌入式AI】

A. 嵌入式处理器B. 嵌入式操作系统C. 通用计算机主机D. 外围硬件设备

3. 机器学习的本质是（）【基础·AI常识】

A. 固定代码执行B. 机器通过数据自主优化算法和行为C. 人工输入决策逻辑D. 模拟人类生理反应

4. 嵌入式AI的核心特点是（）【基础·嵌入式AI】

A. 依赖大型服务器B. 轻量化、低功耗、适配嵌入式硬件C. 仅能处理文本数据D. 无需训练直接使用

5. 下列属于监督学习应用的是（）【基础·AI常识】

A. 无标签数据聚类B. 垃圾邮件识别（已知标签）C. 机器人自主探索D. AIGC内容生成

6. 嵌入式处理器中，适合运行轻量级AI模型的是（）【基础·嵌入式AI】

A. 大型服务器CPUB. 单片机（MCU）C. 普通PC处理器D. 高端GPU

7. 自然语言处理（NLP）的主要目的是（）【基础·AI常识】

A. 让机器理解和处理人类语言B. 让机器学会说话C. 优化计算机运行速度D. 处理图像数据

8. 嵌入式AI硬件设计中，需优先考虑的因素是（）【基础·嵌入式AI】

A. 模型参数规模B. 功耗和体积C. 数据存储量D. 网络速度

9. 计算机视觉（CV）的核心是（）【基础·AI常识】

A. 让机器听到声音B. 让机器看到并理解图像/视频C. 实现肢体交互D. 优化数据存储

10. 下列哪种设备属于嵌入式AI设备（）【基础·嵌入式AI】

A. 台式电脑B. AI智能手环C. 大型服务器D. 笔记本电脑

11. 生成式AI的核心能力是（）【基础·AI常识】

A. 识别现有数据B. 自主生成新内容（文本、图像等）C. 控制硬件设备D. 存储大量数据

12. 嵌入式AI模型与通用AI模型的核心区别是（）【基础·嵌入式AI】

A. 嵌入式模型更复杂B. 嵌入式模型轻量化、低功耗C. 通用模型无需训练D. 嵌入式模型参数更多

13. AI训练中，数据标注的作用是（）【基础·AI常识】

A. 清理无效数据B. 给数据加标签，帮助模型学习规律C. 减少数据量D. 提高运行速度

14. 嵌入式系统中，AI模型的部署方式主要是（）【基础·嵌入式AI】

A. 云端部署B. 本地部署（嵌入式硬件直接运行）C. 服务器部署D. 远程部署

15. 下列不属于AI应用的是（）【基础·AI常识】

A. 语音助手B. 普通计算器C. 人脸识别D. 自动驾驶

16. 嵌入式AI硬件中，常用的传感器不包括（）【基础·嵌入式AI】

A. 温度传感器B. 图像传感器C. 键盘D. 加速度传感器

17. 深度学习的核心是（）【基础·AI常识】

A. 逻辑回归B. 决策树C. 神经网络D. 支持向量机

18. 嵌入式AI软件开发中，需适配的核心需求是（）【基础·嵌入式AI】

A. 界面美观B. 低功耗、高实时性C. 多任务并行D. 大容量存储

19. AI模型的过拟合是指（）【基础·AI常识】

A. 模型训练不足B. 模型过度贴合训练数据，新数据预测效果差C. 模型无法拟合数据D. 模型运行速度慢

20. 下列哪种嵌入式设备可运行轻量级AI模型（）【基础·嵌入式AI】

A. 单片机B. 大型服务器C. 台式电脑D. 打印机

21. 无监督学习的特点是（）【基础·AI常识】

A. 不需要标注数据B. 需要大量标注数据C. 只能处理文本D. 无法挖掘数据规律

22. 嵌入式AI系统中，数据采集的核心是（）【基础·嵌入式AI】

A. 服务器存储B. 传感器采集实时数据C. 云端传输D. 人工输入数据

23. 语音识别技术属于（）【基础·AI常识】

A. 计算机视觉B. 自然语言处理C. 强化学习D. 嵌入式硬件

24. 嵌入式AI与通用AI的共性是（）【基础·嵌入式AI】

A. 都依赖大型硬件B. 都需要数据训练和推理C. 都无需优化D. 都只能处理单一任务

25. 下列关于嵌入式AI模型部署的说法，正确的是（）【提升·嵌入式AI】

A. 嵌入式AI必须部署在云端B. 部署前需对模型进行轻量化优化C. 嵌入式硬件性能强，无需优化模型D. 部署后无法修改模型参数

26. 强化学习在嵌入式AI中的应用是（）【提升·嵌入式AI】

A. 人脸识别门禁B. 智能机器人自主避障C. 文本生成D. 数据聚类

27. AI模型轻量化的核心目的是（）【提升·AI常识】

A. 增加模型参数B. 适配嵌入式低功耗硬件C. 提高模型准确率D. 减少训练数据量

28. 嵌入式处理器与普通CPU的区别在于（）【提升·嵌入式AI】

A. 嵌入式处理器功耗更高B. 嵌入式处理器针对性强、功耗低、体积小C. 普通CPU更适合嵌入式AID. 嵌入式处理器存储容量更大

29. 下列属于弱人工智能在嵌入式领域的应用是（）【提升·AI常识+嵌入式】

A. 自主思考的机器人B. 智能手表心率监测AIC. 通用AI助手D. 能创作的AIGC

30. 嵌入式AI软件开发中，下列哪种语言更适合编写轻量级AI模型部署代码（）【提升·嵌入式AI】

A. Python（重量级）B. C/C++C. JavaD. JavaScript

31. 大数据与嵌入式AI的关系是（）【提升·AI常识+嵌入式】

A. 嵌入式AI不需要大数据支持B. 大数据为嵌入式AI提供训练数据，嵌入式AI实现本地实时处理C. 大数据只能用于云端AID. 嵌入式AI无法处理大数据

32. 嵌入式AI系统中，实时性要求的核心是（）【提升·嵌入式AI】

A. 模型训练速度快B. 数据采集和AI推理延迟低C. 存储容量大D. 界面流畅

33. 下列哪种技术不属于AI模型轻量化方法（）【提升·AI常识】

A. 模型剪枝B. 量化C. 增加模型参数D. 知识蒸馏

34. 嵌入式AI硬件设计中，电源管理的核心是（）【提升·嵌入式AI】

A. 提供高压电B. 低功耗供电，适配电池供电场景C. 提高供电速度D. 无需考虑功耗

35. 自然语言处理在嵌入式设备中的应用难点是（）【提升·AI常识+嵌入式】

A. 无法识别语音B. 嵌入式硬件算力不足，难以处理复杂NLP任务C. 无法生成文本D. 需大量网络支持

36. 嵌入式AI模型的推理速度主要取决于（）【提升·嵌入式AI】

A. 训练数据量B. 嵌入式处理器性能和模型轻量化程度C. 云端网速D. 存储容量

37. 下列关于嵌入式AI与边缘计算的关系，说法正确的是（）【拓展·嵌入式AI】

A. 边缘计算与嵌入式AI无关B. 嵌入式AI是边缘计算的核心载体，实现本地数据实时处理C. 边缘计算只能用于云端D. 嵌入式AI必须依赖边缘计算才能运行

38. 大语言模型（LLM）在嵌入式设备上部署的核心难点是（）【拓展·AI常识+嵌入式】

A. 模型参数过大，嵌入式硬件算力和存储不足B. 无法训练模型C. 无法实现语音交互D. 功耗过高

39. 嵌入式AI系统中，传感器数据与AI模型的联动流程是（）【拓展·嵌入式AI】

A. 传感器采集→数据预处理→AI模型推理→执行器响应B. AI模型推理→传感器采集→数据处理→响应C. 数据预处理→传感器采集→模型推理→响应D. 传感器采集→模型训练→推理→响应

40. 下列哪种技术能解决嵌入式AI算力不足的问题（）【拓展·AI常识+嵌入式】

A. 增加训练数据B. 模型量化、剪枝结合边缘计算C. 更换大型CPUD. 减少模型推理步骤

二、多项选择题（共20题，每题1.5分，共30分）

请从每小题所给的四个选项中，选出两个或两个以上符合题目要求的选项。（多选、少选、错选均不得分）（基础题12题，提升题6题，拓展题2题；嵌入式AI相关10题，基础AI常识10题）

41. 人工智能的核心技术包括（）【基础·AI常识】

A. 机器学习B. 自然语言处理C. 计算机视觉D. 普通计算器编程

42. 嵌入式系统的核心组成包括（）【基础·嵌入式AI】

A. 嵌入式处理器B. 嵌入式操作系统C. 外围硬件（传感器、执行器）D. 云端服务器

43. 监督学习的特点包括（）【基础·AI常识】

A. 需要标注数据B. 可用于分类、回归任务C. 无需训练直接使用D. 能学习输入与输出的规律

嵌入式AI的核心优势包括（）【基础·嵌入式AI】

A. 轻量化B. 低功耗C. 实时性强D. 依赖云端算力

45. 下列属于AI应用场景的有（）【基础·AI常识】

A. 语音助手B. 人脸识别C. 智能推荐D. 普通手电筒

46. 嵌入式AI硬件中，常用的处理器类型有（）【基础·嵌入式AI】

A. MCU（单片机）B. FPGAC. 大型服务器CPUD. 嵌入式ARM处理器

47. 深度学习的应用场景包括（）【基础·AI常识】

A. 图像识别B. 语音转文字C. 机器翻译D. 数据排序

48. 嵌入式AI数据采集的主要设备有（）【基础·嵌入式AI】

A. 温度传感器B. 图像传感器C. 加速度传感器D. 鼠标

49. 下列属于弱人工智能应用的有（）【基础·AI常识】

A. 小爱同学B. 人脸识别门禁C. 自主思考机器人D. 智能手环心率监测

50. 嵌入式AI模型部署前的优化步骤包括（）【基础·嵌入式AI】

A. 模型轻量化B. 适配嵌入式处理器C. 数据预处理D. 直接部署无需优化

51. 下列属于无监督学习算法的有（）【基础·AI常识】

A. K-means聚类B. 主成分分析（PCA）C. 逻辑回归D. 层次聚类

52. 嵌入式AI与通用AI的区别在于（）【基础·嵌入式AI】

A. 功耗B. 体积C. 算力需求D. 核心功能

53. 嵌入式AI模型轻量化的常用方法有（）【提升·嵌入式AI】

A. 模型剪枝B. 量化C. 知识蒸馏D. 增加模型参数

54. 自然语言处理在嵌入式设备中的应用限制有（）【提升·AI常识+嵌入式】

A. 嵌入式算力不足B. 功耗限制C. 需大量网络支持D. 无法处理简单语音指令

55. 机器学习在嵌入式领域的应用场景包括（）【提升·嵌入式AI】

A. 智能设备故障预测B. 传感器数据异常检测C. 自动驾驶决策D. 嵌入式设备能耗优化

56. 下列关于AI模型训练和推理的说法，正确的有（）【提升·AI常识】

A. 训练是优化模型参数，推理是使用模型预测B. 嵌入式AI以推理为主，训练多在云端C. 训练需要大量数据，推理需要轻量化模型D. 推理速度与硬件性能正相关

57. 嵌入式AI硬件设计需考虑的因素有（）【提升·嵌入式AI】

A. 功耗控制B. 算力匹配C. 体积大小D. 接口兼容性

58. 下列属于强化学习在嵌入式AI中应用的有（）【提升·AI常识+嵌入式】

A. 智能机器人避障B. 自动驾驶路径规划C. 垃圾邮件识别D. 传感器数据采集

59. 边缘计算与嵌入式AI的融合优势有（）【拓展·嵌入式AI】

A. 实现本地实时数据处理，降低延迟B. 减少云端传输，节省带宽C. 降低功耗，适配移动嵌入式设备D. 无需模型优化，直接部署

60. 大语言模型在嵌入式设备上部署的可行方案有（）【拓展·AI常识+嵌入式】

A. 模型量化、剪枝轻量化B. 采用专用嵌入式AI芯片（如NPU）C. 边缘计算协同处理D. 直接部署原版大模型

三、判断题（共20题，每题0.5分，共10分）

对的打“√”，错的打“×”。（基础题12题，提升题6题，拓展题2题；嵌入式AI相关10题，基础AI常识10题）

61. 人工智能的核心是模拟人类智能，实现机器自主学习和决策。（）【基础·AI常识】

62. 嵌入式系统是一种专用计算机系统，体积小、功耗低。（）【基础·嵌入式AI】

63. 无监督学习不需要标注数据，能自主挖掘数据规律。（）【基础·AI常识】

64. 嵌入式AI模型必须部署在云端，无法本地运行。（）【基础·嵌入式AI】

65. 计算机视觉技术可用于嵌入式设备的图像识别。（）【基础·AI常识+嵌入式】

66. 嵌入式处理器的算力比普通PC处理器更强。（）【基础·嵌入式AI】

67. 生成式AI能自主生成新内容，如文本、图像等。（）【基础·AI常识】

68. 嵌入式AI软件开发中，C/C++语言比Python更适配轻量化需求。（）【基础·嵌入式AI】

69. AI模型的过拟合是指模型对新数据的预测效果优于训练数据。（）【基础·AI常识】

70. 传感器是嵌入式AI系统中数据采集的核心设备。（）【基础·嵌入式AI】

71. 语音助手属于自然语言处理的应用。（）【基础·AI常识】

72. 嵌入式AI系统的功耗主要取决于AI模型的推理过程。（）【基础·嵌入式AI】

73. 嵌入式AI模型的轻量化优化，会降低模型的准确率。（）【提升·嵌入式AI】

74. 强化学习的核心是通过与环境交互，利用奖励和惩罚优化行为。（）【提升·AI常识】

75. 嵌入式AI硬件中，FPGA比MCU更适合运行复杂AI模型。（）【提升·嵌入式AI】

76. 大数据为AI训练提供支撑，嵌入式AI可实现本地数据实时处理。（）【提升·AI常识+嵌入式】

77. 嵌入式AI系统的实时性，主要取决于数据采集和模型推理的延迟。（）【提升·嵌入式AI】

78. 模型剪枝和量化，是嵌入式AI模型轻量化的核心方法。（）【提升·AI常识】

79. 边缘计算与嵌入式AI融合，可解决嵌入式设备算力不足、延迟高的问题。（）【拓展·嵌入式AI】

80. 大语言模型通过轻量化优化后，可完全适配普通嵌入式MCU的运行需求。（）【拓展·AI常识+嵌入式】

四、简答题（共5题，每题4分，共20分）

请简要回答下列问题，要求条理清晰、要点明确。（基础题3题，提升题1题，拓展题1题；嵌入式AI相关2题，基础AI常识3题）

81. 简述人工智能、机器学习、深度学习三者的包含关系。【基础·AI常识】

82. 简述嵌入式AI的核心特点，并举1个实际应用例子。【基础·嵌入式AI】

83. 什么是监督学习和无监督学习？请各举1个简单应用例子。【基础·AI常识】

84. 简述嵌入式AI模型部署的核心步骤，以及部署前需要进行的优化操作。【提升·嵌入式AI】

85. 结合嵌入式软硬件开发场景，分析AI模型轻量化的核心方法，以及轻量化对嵌入式AI系统的影响。【拓展·嵌入式AI】

五、附加题（共1题，每题10分，共10分）

86、简述你在使用claude code或open code等AI工具的经验及技巧

参考答案

一、单项选择题（40题）

1.B 2.C 3.B 4.B 5.B 6.B 7.A 8.B 9.B 10.B 11.B 12.B 13.B 14.B 15.B 16.C 17.C 18.B 19.B 20.A 21.A 22.B 23.B 24.B 25.B 26.B 27.B 28.B 29.B 30.B 31.B 32.B 33.C 34.B 35.B 36.B 37.B 38.A 39.A 40.B

二、多项选择题（20题）

41.ABC 42.ABC 43.ABD 44.ABC 45.ABC 46.ABD 47.ABC 48.ABC 49.ABD 50.ABC 51.ABD 52.ABCD 53.ABC 54.ABC 55.ABCD 56.ABCD 57.ABCD 58.AB 59.ABC 60.ABC

三、判断题（20题）

61.√ 62.√ 63.√ 64.× 65.√ 66.× 67.√ 68.√ 69.× 70.√ 71.√ 72.√ 73.× 74.√ 75.√ 76.√ 77.√ 78.√ 79.√ 80.×

四、简答题（5题）

81. 【参考答案】三者是包含与被包含的关系（1分）；人工智能是总称，指模拟人类智能的各类技术和系统（1分）；机器学习是人工智能的核心分支，是实现人工智能的关键技术（1分）；深度学习是机器学习的子分支，以神经网络为核心，是当前AI发展的主流技术（1分）。

82. 【参考答案】核心特点：轻量化、低功耗、实时性强、适配嵌入式硬件（2分）；实际应用例子：智能手环的心率监测AI、人脸识别门禁的嵌入式AI模块、智能家电的AI控制模块（任举1个即可，2分）。

83. 【参考答案】监督学习：需要标注数据，学习输入与输出的规律，用于分类、回归任务（1分）；例子：垃圾邮件识别、手写数字识别（任举1个，1分）。无监督学习：无需标注数据，自主挖掘数据潜在规律（1分）；例子：用户画像聚类、异常数据检测（任举1个，1分）。

84. 【参考答案】核心步骤：1. 模型选型（选择适配嵌入式硬件的轻量级模型）（1分）；2. 模型轻量化优化（剪枝、量化等）（1分）；3. 适配嵌入式处理器和操作系统（1分）；4. 部署测试，优化推理延迟和功耗（1分）。部署前优化：模型轻量化（剪枝、量化、知识蒸馏）、数据预处理（适配嵌入式数据采集格式）、适配硬件算力（1分，补充优化操作，总分不超4分）。

85. 【参考答案】核心方法：1. 模型剪枝：去除冗余参数，保留核心参数，减少模型体积（1分）；2. 模型量化：将高精度参数（如32位）转为低精度（如8位），降低算力和存储需求（1分）；3. 知识蒸馏：用复杂模型的知识训练轻量级模型，保证精度的同时简化模型（1分）。影响：正面影响：降低功耗、减少存储占用、提升推理速度，适配嵌入式硬件（1分）；负面影响：过度轻量化可能导致模型准确率轻微下降，需平衡轻量化程度和准确率（1分，总分不超4分）。

86.根据实际情况评分，总结经验技巧

更多精彩推荐：

Android开发集

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选从 AIDL 到 HIDL：跨语言 Binder 通信的自动化桥接与零拷贝回调优化全栈指南

C/C++编程精选

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选宏之双刃剑：C/C++ 预处理器宏的威力、陷阱与现代化演进全解

开源工场与工具集

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选nlohmann/json：现代 C++ 开发者的 JSON 神器

MCU内核工坊

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选STM32：嵌入式世界的“瑞士军刀”——深度解析意法半导体32位MCU的架构演进、生态优势与全场景应用

拾光札记簿

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选周末遛娃好去处！黄河之巅畅享亲子欢乐时光

数智星河集

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选被算法盯上的岗位：人工智能优先取代的十大职业深度解析与人类突围路径

Docker 容器

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选Docker 原理及使用注意事项（精要版）

linux开发集

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选零拷贝之王：Linux splice() 全面深度解析与高性能实战指南

青衣染霜华

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选脑机接口：从瘫痪患者的“意念行走”到人类智能的下一次跃迁

QT开发记录-专栏

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选Qt 样式表（QSS）终极指南：打造媲美 Web 的精美原生界面

Web/webassembly技术情报局

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选WebAssembly 全栈透视：从应用开发到底层执行的完整技术链路与核心原理深度解析

数据库开发

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选ARM Linux 下 SQLite3 数据库使用全方位指南

鸿蒙开发全系列教程

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选掌握鸿蒙生态开发利器：ohpm 命令全解析与高效开发实战指南

具身智能时代：机器人开发全栈技术图谱与实战指南（2026版）

青衣霜华渡白鸽，公众号：清荷雅集-墨染优选具身智能时代：机器人开发全栈技术图谱与实战指南（2026版）