Schneider logo
施耐德
Senior AI Engineer

Senior AI Engineer

发布于 40 分钟前

普通员工/个人贡献者

AI 估算 · 3.0–5.5万 · AI 参考估算
中级经验
学历未注明
全职员工混合式弹性办公AI算法
AI算法
Go
Mqtt
Opc Ua
工业Ai
时序数据库

值不值得投

79综合评分

综合评分 79

工业AI落地型岗位,技术栈复合、可持续发展意义强,现场交付属性明显

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,方便横向比较。

薪资怎么样

4.3万

比AI算法中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 750 个在招

市场机会

选择面较广

北京 · AI算法 · 约 270 个在招

职位详情

关于这个职位

该职位面向能源、数据中心、制造等工业场景,负责将已有AI模型与数字化软件集成部署到客户现场,并围绕节能、预测性维护、能源优化等业务目标验证价值

你需要贯穿需求洞察、方案设计、系统集成、现场交付和持续优化,是偏客户落地的工业AI工程岗位

最低要求

经验:2 年以上工业 AI 系统落地或客户现场交付经验(需提供案例:如设备预测性维护系统部署、微网优化算法集成、数据中心节能控制闭环系统)

技术栈(都满足优先):
后端开发:精通 Python/Go,掌握 FastAPI/Flask,熟悉 gRPC/RESTful 设计,具备容器化(Docker/Kubernetes)部署经验
工业集成:熟悉 MQTT/OPC UA 协议,了解 Modbus TCP,能对接西门子/罗克韦尔 PLC 或能源管理系统
数据管道:熟练使用 Apache Kafka/Pulsar,有 InfluxDB/TimescaleDB 时序数据库调优经验
AI 应用:了解机器学习模型的部署与监控,熟悉大模型/Agent 在行业场景的应用者优先
领域认知:理解能源管理核心指标(如 PUE、微网绿电渗透率)及工业系统 SLA 要求(如99% 可用性)
客户导向能力:具备出色的沟通与表达能力,能与客户高层、现场工程师和业务人员有效沟通,将技术方案转化为业务语言
问题解决与主人翁意识:面对不确定的现场环境能独立拆解问题、快速试错并闭环交付,对客户结果负责
工作方式:能接受阶段性客户现场驻场或出差(具体视项目而定)

工作职责

客户需求洞察与方案设计:

深入客户现场(如数据中心、工厂、园区、微网等,至少一种,两种以上优先),调研业务流程、数据现状与核心痛点
将模糊的业务问题拆解为可落地的 AI 解决方案,并与客户共同定义成功指标与交付计划
与客户 IT/OT 团队、业务负责人及内部产品、架构、数据科学团队紧密协作,推动方案达成共识
端到端方案落地与部署:
将现有的AI模型(如已经开发好的预测性维护、能源优化,能源智能体等)及施耐德电气数字化软件产品,集成并部署到客户环境(云端、本地或边缘设备)
负责 AI 模型的容器化与服务化,开发高可用 API,对接 SCADA/MES 系统与能源管理平台(如微网控制器、数据中心 DCIM 系统)
搭建现场数据接入与处理链路,解决数据质量、网络安全与系统兼容等现场实际问题
在客户现场快速排障,保障系统稳定运行与交付进度
业务价值验证与持续优化:
定义并追踪客户关键业务指标(如数据中心 PUE 降低幅度、微网绿电消纳率、故障误报率),对落地效果负责
建立生产环境监控体系,主动识别模型衰减(数据漂移、工况变化),协同数据科学家快速迭代
设计 A/B 测试验证业务价值(例:对比优化前后园区月度能耗成本),输出效果归因与价值报告
经验沉淀与产品反馈:
将客户现场需求与问题系统反馈给产品和研发团队,推动平台与产品能力演进
把项目经验沉淀为可复用的组件、方案模板与最佳实践,并支持客户及内部团队培训

优先资格

技术栈(都满足优先):

熟悉能源、数据中心、制造等行业客户现场,可偏向其中之一,不要求都熟悉
深入客户现场时,如熟悉数据中心、工厂、园区、微网等场景,两种以上优先
熟悉大模型/Agent 在行业场景的应用者优先

AI 洞察

优缺点分析

优点

  • 岗位处在AI、电气化、自动化和能源管理交叉领域,能积累较强的工业AI落地经验
  • 工作内容覆盖需求洞察、部署集成、价值验证和持续优化,能力成长路径完整
  • JD明确提到持续学习、认证和职业发展机会,对希望长期深耕技术与行业的人较有吸引力
  • 客户现场环境存在不确定性,需要面对数据质量、系统兼容、网络安全和现场排障等复杂问题
  • 技术栈跨度较大,既要懂后端、容器、数据管道,也要理解工业协议和能源业务指标
  • JD明确提到阶段性客户现场驻场或出差,对通勤、出差接受度和现场适应能力有要求
  • 适合有工业AI、物联网、能源数字化或客户现场交付经验,且愿意深入业务现场、兼顾技术落地与客户沟通的工程师

缺点 / 挑战

  • 可接触数据中心、工厂、园区、微网等真实客户场景,项目经验具有较高稀缺性

角色解读

  • 可向工业AI解决方案架构师发展,负责更复杂客户场景的方案设计、系统集成与技术决策
  • 可向产品与平台方向演进,把现场需求沉淀为可复用组件、方案模板和产品能力
  • 长期可成长为技术专家、交付负责人或团队管理者,主导能源、数据中心、制造等行业AI落地体系
  • 深入数据中心、工厂、园区、微网等客户现场,调研业务流程、数据现状和核心痛点,把模糊业务问题转化为可落地的AI方案
  • 将已有AI模型、能源优化算法或数字化软件集成部署到云端、本地或边缘环境,开发高可用API并对接SCADA、MES、DCIM等系统
  • 搭建现场数据链路,处理数据质量、网络安全、系统兼容和现场排障问题,保障系统稳定运行
  • 定义并追踪PUE降低、绿电消纳率、故障误报率等业务指标,通过监控、A/B测试和价值报告验证AI落地效果
  • 需要扎实的Python或Go后端开发能力,熟悉FastAPI、Flask、gRPC、RESTful以及Docker、Kubernetes部署
  • 需要理解工业现场集成,掌握MQTT、OPC UA、Modbus TCP等协议,并能对接PLC、能源管理系统或工业软件
  • 需要熟悉Kafka、Pulsar、InfluxDB、TimescaleDB等数据管道与时序数据库,能够处理现场实时数据
  • 需要兼具客户沟通、问题拆解和结果闭环能力,能把技术方案转化为客户能理解的业务语言

申请策略

  • 申请前建议了解施耐德电气在电气化、自动化、数字化和可持续发展方向的产品与解决方案,尤其是能源管理和数据中心相关业务
  • 面试中尽量用具体项目说明自己如何把AI能力转化为客户可度量的价值,而不是只描述模型或算法本身
  • 重点突出工业AI系统落地案例,如预测性维护、能源优化、节能控制闭环、微网优化等,并说明部署环境和最终业务指标
  • 强化后端与云原生能力,写明Python/Go、FastAPI/Flask、gRPC/RESTful、Docker、Kubernetes的实际使用方式
  • 突出工业集成经验,包括MQTT、OPC UA、Modbus TCP、PLC、SCADA、MES、DCIM或能源管理平台对接经历
  • 展示客户沟通与项目闭环能力,例如如何定义成功指标、推动客户共识、处理现场问题并输出价值报告
  • 补齐工业协议与OT系统知识,重点理解OPC UA、MQTT、Modbus TCP以及PLC、SCADA、MES的基本架构
  • 加强对时序数据和模型监控的理解,熟悉Kafka/Pulsar、InfluxDB/TimescaleDB以及数据漂移、模型衰减监控方法

面试指南

  • 项目类问题采用“背景-痛点-方案-落地-指标-复盘”结构,重点讲清业务价值和个人贡献
  • 现场问题采用“先定位约束、再拆解优先级、小范围验证、形成闭环”的思路,体现主人翁意识和风险控制能力
  • 技术方案问题从架构、数据、部署、监控、安全、兼容性六个维度展开,避免只讲模型本身
  • 请介绍一个你主导或深度参与的工业AI落地项目,包括业务问题、技术方案、部署环境和最终效果
  • 如果客户现场数据质量差、系统老旧且OT团队配合有限,你会如何推进AI方案落地?
  • 你如何设计AI模型服务化与监控体系,保障生产环境高可用和模型持续有效?
  • 你如何向客户高层、现场工程师和业务人员分别解释同一个AI解决方案?
  • 请说明你对PUE、绿电消纳率、故障误报率等指标的理解,以及如何用A/B测试验证节能效果

职位点评

薪资福利78
成长发展88
工作生活62
使命价值90

薪资福利

78中等

JD未披露薪资,但职位要求中级以上经验且覆盖AI、后端、工业集成和客户交付复合能力,补偿性动机整体有较好满足空间。福利部分原文提到全方位奖励、职业发展、安全感和家庭支持等方向,但未列出具体项目。

薪资信号未披露(AI估算:3.0千–5.5万/月)

成长发展

88较高

岗位覆盖AI模型部署、工业系统集成、客户现场交付、价值验证和产品反馈,技能成长面较宽。JD明确提到持续学习、认证和职业发展机会,也强调把现场经验反哺产品与平台,发展性较强。

技术前沿前沿/新兴技术
技术栈AI、机器学习模型、大模型、Agent、Python、Go、FastAPI、Flask、gRPC、RESTful、Docker、Kubernetes、MQTT、OPC UA、Modbus TCP、Kafka、Pulsar、InfluxDB、TimescaleDB
成长机会持续学习、认证和职业发展的机会、支持客户及内部团队培训、推动平台与产品能力演进
业务类型profit_center

工作生活

62中等

JD提到灵活的工作选择,对办公灵活性有正向信号;但同时明确存在阶段性客户现场驻场或出差,可能降低生活节奏稳定性。具体办公模式和出差频率仍需面试确认。

工作模式混合式弹性办公
办公地点未明确
加班情况未提及(无法判断)
工作生活平衡灵活的工作选择

使命价值

90较高

岗位直接面向能源优化、数据中心节能、微网绿电消纳和工业AI落地,具有明确的业务价值与可持续发展导向。JD多次强调可持续发展、韧性、高效率和更可持续的世界,意义感动机很强。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号将可持续发展愿景转化为实际行动、创造更具韧性、更高效率、更可持续的世界、将个人职业发展与创造更具韧性、更高效率、更可持续的世界这一宏伟目标紧密相连、为社区作出贡献
创新程度积极采用新技术
Watch Jobs