
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
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
施耐德 的其他在招职位
相似职位推荐
AI Software Engineer
宝洁 · 广州市
AI 估算 · 2.2–3.8万1 小时前发布
Associate Manager Data Engineering
DXC Technology · 上海市
AI 估算 · 2.5–4.0万2 小时前发布
AI推理引擎开发工程师(2027届-上海)
德赛西威 · 上海市
AI 估算 · 2.5–4.0万2 小时前发布
Senior Specialist, AI Application
友邦保险 · 上海市
AI 估算 · 3.5–6.0万2 小时前发布
实时AI应用开发工程师
声网 · 上海市
AI 估算 · 3.0–5.5万2 小时前发布
AI研发工程师
浪潮 · 北京市
AI 估算 · 1.8–3.0万7 小时前发布
算法负责人
智元机器人 · 深圳市
AI 估算 · 6.0–10.0万8 小时前发布
业务技术-Agent基建研发工程师-杭州
天猫 · 杭州市
AI 估算 · 3.5–6.0万13 小时前发布
Watch Jobs