上海电气
AI设计仿真工程师(27届校招)
AI设计仿真工程师(27届校招)
发布于 8 天前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Matlab/Simulink
Pytorch
Rag
多智能体系统
大语言模型(Llm)
工程化部署
模型微调
生成式Ai
电力电子
值不值得投
73综合评分
综合评分 73
AI+电力电子多智能体研发校招岗，前沿交叉、成长空间大，作息未明。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
2.0万
比AI算法中位数低
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
15 个在招
市场机会
选择不多
上海 · AI算法 · 7 个在招
职位详情
关于这个职位
上海电气面向27届校招的 AI 设计仿真工程师岗位，参与面向电力电子装备研发全流程的多智能体协同框架研发与落地，负责规格书解析、QCM 分析、BOM 匹配、试验报告生成等智能体的算法设计、模型训练与工程化部署，并跟踪物理信息神经网络、生成式 AI 等前沿方向
适合有 LLM 与深度学习功底的应届生
最低要求
熟悉机器学习、深度学习基础理论，掌握Transformer架构、大语言模型（LLM）微调与推理、检索增强生成（RAG）等主流AI技术，了解多智能体系统、强化学习或图神经网络者优先
了解电力电子基础：如常见电力电子拓扑及其工作原理
了解功率器件（如IGBT、MOSFET等）的基本特性与选型方法
了解电路仿真软件（如MATLAB/Simulink、PLECS、PSCAD等）的基本使用
了解KiCAD、Altium等EDA工具者优先
熟练使用常见深度学习框架（如PyTorch等），具备良好的跨学科学习能力，能够快速理解电力电子工程场景中的业务痛点并将其转化为AI技术问题
具有较强的科研创新能力和良好的团队协作能力
工作职责
参与面向电力电子装备研发全流程的多智能体协同框架的研发与落地，负责规格书智能解析智能体、QCM智能分析智能体、BOM智能匹配智能体、试验报告智能生成智能体中一个或多个智能体的算法设计、模型训练与工程化部署
参与多智能体协同框架的架构设计，定义各智能体的功能边界、通信协议与协作机制，实现智能体间的数据贯通与任务协同
跟踪AI+电力电子设计领域前沿技术（如物理信息神经网络、多智能体系统、生成式AI等），探索新技术在电力电子研发场景中的应用可能性
优先资格
具有电力电子与AI交叉研究方向的项目或课题经历者优先
AI 洞察
优缺点分析
优点
- AI+电力电子是前沿交叉方向，技术栈新且行业应用刚起步，先发经验稀缺
- 岗位覆盖算法、训练到工程化部署全链路，还能参与框架架构设计
- 工业场景数据与需求真实，成果落地价值高，成长速度快
- 需要同时掌握 AI 与电力电子两个学科，知识面要求宽，学习负担重
- 多智能体系统与 LLM 落地仍在探索期，方案试错与不确定性多
- 工业研发场景对可靠性与严谨性要求高，工程化门槛不低
- 适合 AI 基础扎实、对工业智能化有热情、跨学科学习能力强并愿意探索前沿的应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从 AI 算法工程师成长为多智能体系统架构师或 AI+工业方向的技术专家
- 也可深入大模型工程化、工业软件或电力电子智能化产品方向
- AI 与垂直工业场景结合的经验稀缺，职业溢价明显
- 参与电力电子装备研发全流程的多智能体协同框架研发，负责规格书解析、QCM 分析、BOM 匹配或试验报告生成等智能体的算法设计、模型训练与工程化部署
- 参与框架架构设计，定义智能体功能边界、通信协议与协作机制，实现数据贯通与任务协同
- 跟踪物理信息神经网络、多智能体系统、生成式 AI 等前沿技术并探索其在电力电子研发场景的应用
- 扎实的机器学习/深度学习基础，掌握 Transformer、LLM 微调推理与 RAG 等主流技术
- 熟练使用 PyTorch 等深度学习框架，了解电力电子拓扑与功率器件基础及仿真软件
- 跨学科学习能力强，能将工程痛点转化为 AI 技术问题，并有科研创新与团队协作能力
申请策略
- 面试前了解电力电子研发流程中哪些环节适合 AI 提效，形成自己的观点
- 准备讲述一个将工程问题转化为 AI 问题的案例
- 突出 LLM 微调、RAG 或多智能体相关的课题与项目，写清模型、数据与量化效果
- 展示 PyTorch 工程实践与模型部署经验
- 补充电力电子或电路相关的课程与项目，体现交叉背景
- 动手复现一个 RAG 或多智能体的小型项目，熟悉 LangChain 类框架
- 学习电力电子基本拓扑与功率器件选型的入门知识
- 了解模型微调（LoRA 等）与推理优化的常用方法
面试指南
- 基础类问题按「机制-变体-工程取舍」作答，展示理解深度
- 系统设计类问题先明确需求与约束，再分层给出架构与评估指标
- 交叉类问题从真实场景痛点出发，讲清 AI 方案的可行性与验证方式
- 请介绍 Transformer 的结构与你对注意力机制的理解
- LLM 微调有哪些方法，各自适用什么场景？如何设计一个 RAG 系统，检索质量如何优化？多智能体系统中如何定义智能体的通信与协作机制？如何把电力电子研发中的某个痛点转化为 AI 问题？
- 复习深度学习与大模型核心知识，准备好项目细节的深挖
- 了解电力电子研发流程（规格-设计-仿真-试验-报告）
- 思考多智能体在工业场景落地的挑战与对策
职位点评
薪资福利68
成长发展88
工作生活55
使命价值70
薪资福利
68中等
JD 未披露薪资福利，但 AI 方向研发岗薪酬预期高于一般校招岗位。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
88较高
多智能体框架与 LLM 属前沿技术栈，岗位含架构设计与前沿探索职责，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、Transformer、RAG、多智能体系统、PyTorch、生成式AI、物理信息神经网络
业务类型ambiguous
工作生活
55较低
JD 未提及办公模式与加班信息，研发岗作息无明确信息，无法判断 WLB。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
用 AI 提升电力电子装备研发效率，契合能源与工业智能化方向，行业意义较好。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
上海电气 的其他在招职位
相似职位推荐
Watch Jobs