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
Dcim
Go
Grpc
Influxdb
Modbus Tcp
Mqtt
Opc Ua
Pulsar
Restful Api

值不值得投

79综合评分

综合评分 79

工业AI落地核心岗,技术成长和使命价值突出,现场出差带来一定生活弹性成本

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)
深入客户现场如数据中心、工厂、园区、微网等,至少一种,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

  • 岗位处于AI、电气化、自动化和能源数字化交汇点,能积累工业AI真实落地经验,而不是只做模型实验
  • JD明确提到创新AI项目、协作团队文化、持续学习、认证和职业发展机会,对成长型工程师有吸引力
  • 业务场景涉及数据中心节能、微网优化、预测性维护等方向,项目成果容易用业务指标量化,便于沉淀案例
  • 需要对客户结果负责,既要技术交付,也要定义指标、做价值归因和持续运营,责任边界较宽
  • JD明确要求能接受阶段性客户现场驻场或出差,对通勤、生活节奏和出差接受度有一定要求

缺点 / 挑战

  • 职责覆盖需求洞察、部署集成、价值验证和持续优化,能形成端到端交付能力,职业壁垒较高
  • 客户现场环境复杂,涉及IT/OT系统、数据质量、网络安全和兼容性问题,排障和协同成本较高

角色解读

  • 可向工业AI解决方案架构师、客户交付技术负责人方向发展,负责更复杂的项目群和客户技术决策
  • 可沉淀行业组件和方案模板,转向AI平台产品、能源数字化产品或行业解决方案管理
  • 长期可发展为技术专家、资深架构师或面向重点客户的交付管理角色,主导AI在能源与制造场景的规模化落地
  • 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解决方案
  • 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
  • 建立数据接入、模型服务化和生产监控链路,处理数据质量、网络安全、系统兼容和现场排障问题
  • 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A/B测试和价值报告验证AI项目效果
  • 需要具备Python或Go后端开发能力,熟悉FastAPI、Flask、gRPC、RESTful API,并掌握Docker、Kubernetes等容器化部署技能
  • 需要理解工业现场集成,熟悉MQTT、OPC UA、Modbus TCP,能够对接PLC、能源管理系统、SCADA/MES或DCIM系统
  • 需要掌握Kafka、Pulsar、InfluxDB、TimescaleDB等数据管道和时序数据库技术,能处理现场数据接入与调优
  • 需要兼具AI模型部署监控、大模型/Agent行业应用认知,以及面向客户高层和现场工程师的沟通表达能力

申请策略

  • 申请前了解施耐德电气在能源管理、数据中心、自动化和可持续发展方向的业务布局,准备与岗位场景匹配的案例
  • 面试中强调自己能接受阶段性驻场或出差,并说明过往如何在复杂客户环境中推进共识、排障和交付
  • 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、微网优化算法集成,并写清部署环境和业务指标
  • 强化后端与云原生能力,突出Python/Go、FastAPI/Flask、gRPC/RESTful、Docker、Kubernetes以及高可用API设计经验
  • 展示OT集成和数据链路经验,包括MQTT、OPC UA、Modbus TCP、PLC、SCADA/MES、Kafka/Pulsar、InfluxDB/TimescaleDB等关键词
  • 用量化结果呈现价值,例如能耗降低、PUE改善、误报率下降、系统可用性提升、交付周期缩短等
  • 补齐工业协议与系统对接知识,重点理解OPC UA、MQTT、Modbus TCP以及PLC、SCADA、MES、DCIM在客户现场的角色
  • 加强模型服务化与生产运维能力,包括模型监控、数据漂移识别、A/B测试、容器化部署和高可用API设计

面试指南

  • 项目类问题用“背景痛点—技术方案—个人职责—实施难点—量化结果—复盘沉淀”的结构回答,突出端到端交付能力
  • 现场问题用“先确认目标和约束—拆解数据与系统问题—建立优先级—小步验证—形成共识—闭环交付”的思路展开
  • 技术问题按“架构图/链路—关键组件—选型理由—监控指标—故障处理—可复用沉淀”回答,体现工程化和生产意识
  • 请介绍一个你主导或深度参与的工业AI落地项目,包括客户痛点、技术方案、部署环境和最终业务指标
  • 如果客户现场数据质量差、OT系统协议复杂且IT/OT团队诉求不一致,你会如何推进项目?
  • 你如何设计一个预测性维护或能源优化模型的生产部署与监控方案?
  • 请说明你使用Docker、Kubernetes、FastAPI或gRPC进行模型服务化的实际经验
  • 你如何定义并验证AI项目的业务价值,例如数据中心节能或园区能耗优化?

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未披露具体薪资,但提到全方位奖励、支持成长、安全感和潜能提升等回报体系。福利与职业发展相关表述较丰富,薪酬竞争力无法从原文直接确认。

薪资信号未披露(AI估算:3.0千–5.5万/月)
福利待遇全方位奖励、支持您的表现、成长、安全感和潜能提升、照顾自己和家人、规划未来、提升技能与职业发展、在包容的环境中协作、为社区作出贡献、职业发展页面、不同国家和地区可能适用不同的计划与项目

成长发展

88较高

岗位覆盖AI方案设计、工业集成、模型部署监控、业务价值验证和产品反馈,技能成长面广。JD明确提到高影响力创新AI项目、持续学习、认证和职业发展机会。

技术前沿前沿/新兴技术
技术栈AI、机器学习模型部署与监控、大模型、Agent、Docker、Kubernetes、FastAPI、Flask、gRPC、RESTful、MQTT、OPC UA、Modbus TCP、Apache Kafka、Pulsar、InfluxDB、TimescaleDB、SCADA、MES、DCIM
成长机会参与高影响力的创新人工智能项目、塑造组织战略、持续学习、认证和职业发展的机会、灵活的工作选择、重视创新和影响力的团队、支持你的表现、成长、安全感和潜能提升、提升技能与职业发展、职业发展页面
业务类型ambiguous

工作生活

62中等

JD明确提到灵活的工作选择,对办公灵活性有正向信号;同时也明确要求阶段性客户现场驻场或出差,可能降低生活稳定性。具体远程天数、工时和加班情况未披露。

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、旨在支持你的个人和职业成功

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客户价值落地,社会价值和可持续发展导向非常明确。JD多次强调可持续发展、韧性、高效率和更可持续的世界。

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 AI 能力转化为可落地、可度量的客户价值、参与高影响力的创新人工智能项目、将可持续发展的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、影响力创造者、自动化、电气化与数字化的交汇点、为社区作出贡献
创新程度积极采用新技术
Watch Jobs