梅特勒托利多
22089-AI Application SW Engineer
22089-AI Application SW Engineer
发布于 3 天前普通员工/个人贡献者
常州市
中级经验
全职员工
仅现场办公
本科
深度学习
边缘计算
PyTorch
TensorFlow
多线程
TensorRT
实时系统
ONNX Runtime
工业视觉
AI 估算 · 20k–35k
常州外企AI应用工程师，3-5年经验，技术栈较深，薪资中等偏上，竞争力良好。
职位详情
关于这个职位
该岗位负责将AI模型（工业视觉、信号分析）工程化并集成到工业主机软件中，使用C++/C#/Python开发高性能多线程系统，并完成从需求到部署的全流程
你将与硬件、产品团队紧密协作，确保AI功能在边缘设备上的稳定运行，适合有工业软件开发经验且对AI落地感兴趣的工程师
最低要求
计算机科学、软件工程、自动化或相关专业本科及以上学历，3年以上工业主机或嵌入式软件开发经验
精通C++、C#或Python，扎实的面向对象编程、设计模式、数据结构和算法基础，能独立处理核心模块开发
有深度学习开发经验（PyTorch/TensorFlow），至少一次成功将训练模型集成并部署到功能软件产品的案例，熟悉模型转换、优化和推理加速
深刻理解软件开发生命周期，优秀的编码风格、文档习惯和调试能力，有多线程、网络通信和硬件接口编程经验者优先
工作职责
AI算法工程与嵌入式集成：开发和优化面向工业视觉（X射线）和信号分析（检重、金属检测）的AI模型，负责其工程封装和集成
使用C++库、ONNX Runtime、TensorRT或自定义推理引擎将训练模型深度集成到现有主机软件架构中
设计并实现与图像采集卡、PLC、传感器等硬件实时通信的数据管道，确保AI模块稳定低延迟输入
工业主机软件开发和架构：主导或深度参与设备控制、数据处理和HMI主控程序的开发、维护和重构（使用C++/C#或Python）
构建高性能、高可靠的多线程/实时软件系统，管理图像处理、AI推理、数据记录和UI渲染等并发任务
开发设备配置、算法参数管理、结果可视化和报告生成等核心模块，确保与AI功能的无缝协同
边缘智能系统的全栈交付：独立完成从需求分析、软件设计、编码到测试和现场部署支持的全生命周期
交付可部署、可运行、可维护的软件功能包（不仅仅是模型文件）
优化边缘计算单元上软件和AI模型的整体性能和资源占用，解决内存、CPU和GPU利用率的实际问题
编写生产级代码并建立严格的单元测试、集成测试和日志系统，确保符合工业领域严苛的稳定性和可靠性要求
跨领域协作和产品化：与机械、电气和硬件团队紧密合作，理解设备原理并共同定义软件与AI之间的接口规范
与产品经理和UI/UX设计师合作，将复杂的AI能力转化为直观易用的操作界面和用户体验
优先资格
有机床视觉、工业自动化、医疗设备或检测设备的主机软件开发经验
熟悉工业通信协议，有Windows/Linux实时环境高性能应用开发经验
有桌面应用框架和前端交互技术经验
对AI有强烈热情，并有成功将AI解决方案落地解决实际工程问题的经验
熟悉敏捷开发方法（如SAFe、Scrum）
AI 洞察
优缺点分析
优点
- 接触工业AI落地全流程，积累边缘计算和高性能软件架构经验，技术含金量高
- 梅特勒托利多作为全球精密仪器龙头，平台大、项目稳定，职业发展有保障
- 国际化团队环境，有机会与全球技术专家协作，视野开阔
- 工业现场对软件稳定性和实时性要求极高，调试和排错难度大
- 需要同时掌握AI模型部署和底层硬件知识，技术栈跨度较广，学习曲线陡峭
- 常州相比一线城市，技术社区和人才密度较低，但公司提供国际化环境
- 适合有工业软件开发经验，同时对AI落地有强烈兴趣的工程师
- 追求技术深度、愿意在硬件与软件交叉领域深耕的求职者尤为匹配
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：深入AI工程化与边缘计算，成为工业AI落地专家
- 架构师路线：主导复杂工业软件系统架构设计，晋升为技术负责人
- 管理路线：带领团队负责产品线软件研发，转向技术管理岗位
- 将深度学习模型（如X射线图像分析）封装并集成到工业主机软件中，使用C++/C#/Python实现推理加速
- 开发高性能多线程工业控制软件，处理实时数据采集、AI推理、UI渲染等并发任务
- 与硬件、机械团队协作，定义接口规范，完成从需求到部署的全栈交付
- 精通C++/C#/Python，具备扎实的面向对象和设计模式能力
- 有深度学习模型部署经验（ONNX Runtime/TensorRT），熟悉模型优化和加速
- 熟悉工业实时系统、多线程编程和硬件接口通信
- 具备良好的软件工程习惯和跨团队协作能力
申请策略
- 了解梅特勒托利多的产品线（X射线、检重、金属检测），在面试中展现对工业检测场景的理解
- 突出工业主机软件开发经验，尤其是C++/C#构建多线程实时系统的项目
- 强调AI模型部署案例，说明从训练到嵌入式或桌面集成的完整流程
- 展示与硬件协作的接口开发经验，如PLC、传感器通信等
- 如有性能优化案例（内存、CPU、GPU），务必量化成果
- 提前学习ONNX Runtime和TensorRT的模型转换与优化技巧
- 复习工业通信协议（如Modbus、EtherCAT）和实时操作系统概念
- 若有精力，尝试在开源项目中实践AI模型部署到边缘设备
面试指南
- 使用STAR法则回答项目经历：情境-任务-行动-结果，重点突出技术决策和量化成果
- 对于优化类问题，采用“识别瓶颈-分析根因-方案选型-效果验证”的结构
- 请描述一个你成功将深度学习模型部署到产品中的项目，遇到的主要技术挑战是什么？
- 如何优化一个多线程工业软件系统以满足实时性要求？
- 解释ONNX Runtime和TensorRT在模型推理加速上的区别和适用场景
- 你如何确保工业软件在高负载下稳定可靠？请介绍你的测试和调试策略
- 如果AI模型在边缘设备上推理延迟过高，你会从哪些方面入手优化？
- 准备一个能体现全栈交付能力的项目案例，从模型训练到软件集成完整叙述
匹配度报告
65
综合匹配度
外企工业AI落地岗，前沿技术、高成长，但现场办公且生活便利性一般。
适合人群
最适合追求技术成长和职业发展的求职者，尤其是希望深耕AI工程化和工业软件方向的工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展90
工作生活40
使命价值60
薪资福利匹配
70中等
薪资未披露但外企通常有竞争力，福利包括有竞争力的薪酬包和国际环境，但未明确具体福利条款，补偿动机满足中等。
薪资信号未披露（AI估算：20K-35K/月）
成长发展匹配
90较高
岗位涉及前沿AI工程化技术，提供培训和国际合作机会，成长性极强。
技术前沿前沿/新兴技术
技术栈C++、C#、Python、PyTorch、TensorFlow、ONNX Runtime、TensorRT、深度学习、边缘计算
成长机会Trainings and professional development
业务类型profit_center
工作生活匹配
40较低
仅现场办公，地点在常州工厂/生产基地，未提及弹性工作，生活便利性一般。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值匹配
60中等
行业稳定但社会影响中性，创新水平积极，但使命感信号不强。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs