
超威半导体
Product Development Engineer
Product Development Engineer
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公半导体封装测试
半导体封装测试
Ai/Ml
产品测试
半导体制造
半导体器件物理
实验设计
故障排查
数据分析
良率分析
调试
值不值得投
72综合评分
综合评分 72
新竹半导体良率工程岗,AI/ML与数据分析含量高,技术成长和产业价值突出,办公灵活性未披露
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
4.8万
比半导体封装测试中位数低
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 100 个在招 · 其中半导体封装测试 13 个
市场机会
选择面较广
新竹 · 半导体封装测试 · 58 个在招
职位详情
关于这个职位
该职位面向AMD新竹的良率工程团队,负责Graphics、AI、CPU和APU产品的良率提升、质量改善与测试程序调试
你将通过数据分析、实验设计和AI/ML方法定位晶圆分选及封装后产品的异常芯片与系统性/随机良率损失,并推动跨团队解决复杂问题
最低要求
理想候选人应具备以下技能:
卓越的数据分析能力,并能运用先进的AI/ML技术
能够设计实验并分析结果以解决问题
能够与团队外部协作并产生影响
优秀的沟通与演示能力
能够适应动态变化的环境
具备半导体器件物理或半导体制造知识者优先
优先经验:
具备BSc、BSEE或数学学位,并有3年或以上相关经验
必须具备较强的数据分析能力,才能在该职位中有效发挥作用
工作职责
进行深入调查和分析,识别并消除异常芯片(outlier die)的原因,以及晶圆分选(sort)和封装后部件中的系统性与随机良率损失原因
确保对AMD产品执行正确的产品测试,以实现最佳良率、性能和质量
进行深层分析,发现隐藏信号并推动问题解决
主导复杂的调试活动
与团队成员和产品测试团队协调,支持快速、深入的产品测试程序调试
在该职位中发挥大量创新与创造力
优先资格
具备半导体器件物理或半导体制造知识者优先
具备BSc、BSEE或数学学位,并有3年或以上相关经验
具备较强的数据分析能力
AI 洞察
优缺点分析
优点
- 参与Graphics、AI、CPU、APU等核心产品的良率与质量工作,技术场景复杂且积累价值高
- 岗位强调AI/ML、数据分析和实验设计,有利于提升半导体数据驱动工程能力
- 良率直接影响成本、质量和交付,工作成果较容易与业务结果关联
- 与产品测试团队和跨职能团队紧密协作,可积累较强的项目推动和沟通经验
- 需要同时具备数据分析、半导体知识和跨团队推动能力,能力要求较综合
- JD提到动态环境和复杂调试,意味着问题场景可能变化快,需要持续学习和快速响应
- 适合具备半导体制造或测试背景、数据分析能力强,并愿意在复杂工程问题中持续深挖的工程师
- 尤其适合希望从传统良率分析向AI/ML驱动的数据化良率工程转型的求职者
缺点 / 挑战
- 良率问题往往涉及设计、制造、测试和封装多个环节,根因定位难度较高
角色解读
- 可向资深良率工程师、产品测试专家或半导体制造质量专家方向发展,深耕良率提升与复杂问题分析
- 可转向技术管理岗位,负责更复杂产品线的良率策略、团队协调和跨部门技术领导
- 由于涉及AI/ML和先进计算产品,也可拓展到数据科学、智能制造或半导体工艺数据分析方向
- 负责Graphics、AI、CPU、APU等产品的良率分析,重点定位异常芯片、系统性良率损失和随机良率损失
- 对晶圆分选和封装后产品进行深度调查,找出隐藏信号并推动问题闭环
- 主导复杂调试活动,与产品测试团队协作,确保测试程序正确、产品质量稳定
- 通过实验设计、数据分析和AI/ML方法,持续提升端到端良率、质量和交付可预测性
- 需要强大的数据分析能力,能够处理复杂良率数据、测试数据和异常信号
- 需要掌握实验设计与结果分析方法,能用数据驱动方式定位和验证问题根因
- 需要理解半导体器件物理或半导体制造流程,熟悉sort、packaged parts、产品测试等环节会更匹配
- 需要良好的沟通、演示和跨团队影响力,能够推动测试团队及其他团队共同解决问题
申请策略
- 申请前建议了解AMD在AI、CPU、GPU/Graphics和APU产品方向上的业务布局,明确该岗位与产品质量和制造成本的关系
- 面试中尽量用具体案例说明如何从数据中发现问题、设计实验、验证根因并推动跨团队解决
- 突出与良率提升、异常芯片分析、系统性/随机良率损失定位相关的项目经历,并量化改善结果
- 强调数据分析能力,包括实验设计、统计分析方法、Python、SQL、机器学习或AI/ML应用经验
- 展示对半导体器件物理、晶圆分选、封装测试、产品测试程序调试的理解和相关项目经验
- 突出跨团队推动案例,说明如何协调测试、工艺、产品或质量团队完成复杂问题闭环
- 可加强半导体良率分析方法,包括异常die识别、良率损失分类、根因分析和实验验证设计
- 可补充AI/ML在制造数据分析中的应用,如异常检测、特征工程、分类模型和预测模型
面试指南
- 使用“问题背景—数据范围—假设提出—实验设计—根因验证—改善结果—复盘沉淀”的结构回答良率问题案例
- 对复杂调试问题,先说明如何界定问题边界,再讲如何拆解设计、制造、测试、封装等可能因素,最后强调闭环和预防机制
- 对跨团队协作问题,采用“事实数据对齐—责任边界澄清—共同目标确认—行动项跟进”的框架展示影响力
- 请描述一次你定位并解决良率异常问题的经历,你如何识别根因并验证结论?
- 面对系统性良率损失和随机良率损失,你会分别采用哪些分析思路?
- 你如何使用AI/ML或统计方法从大量测试数据中发现隐藏信号?
- 如果产品测试团队与你的判断不一致,你会如何沟通并推动问题解决?
- 请举例说明你如何设计实验来验证某个制造或测试环节的假设
职位点评
薪资福利72
成长发展86
工作生活48
使命价值84
薪资福利
72中等
JD提到福利信息可参考AMD benefits at a glance,但未披露具体薪资、奖金或福利内容。作为需要三年以上经验的技术岗位,薪资吸引力可能具备一定竞争力,但原文信息不足以判断明显偏高。
薪资信号未披露(AI估算:3.5千–6.0万/月)
成长发展
86较高
岗位涉及AI/ML、实验设计、复杂调试、半导体器件物理和制造知识,技术深度与跨团队技术领导力要求较高。JD未提及明确晋升通道或培训机制,但工作内容本身具有较强能力成长空间。
技术前沿前沿/新兴技术
技术栈AI/ML、data analysis、design experiments、semiconductor device physics、semiconductor manufacturing、product testing、debug
业务类型ambiguous
工作生活
48较低
JD仅明确工作地点为Hsinchu, Taiwan,未说明远程、混合办公、弹性工时或加班安排。由于办公模式和生活节奏相关信息未披露,生活化动机满足程度难以判断。
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
84较高
JD强调技术能够解决世界重要挑战,并覆盖医疗、科学发现、AI和日常技术;良率团队目标包括降低成本、提升质量和确保及时交付,具有较强产业价值。使命导向表述明确,但社会价值更多体现在技术推动层面。
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technology has the power to solve the world’s most important challenges、advancing healthcare and scientific discovery、powering AI and the technologies people rely on every day、technology that moves the world forward
创新程度积极采用新技术
超威半导体 的其他在招职位
相似职位推荐
产品良率工程经理-Product Yield Engineering Manager(J21816)
长鑫存储 · 合肥市
AI 估算 · 3.5–6.0万1 小时前发布
逻辑器件研发专家/主任工程师-Logic Device Expert/Staff Engineer(J21813)
长鑫存储 · 合肥市
AI 估算 · 4.5–8.0万1 小时前发布
异构集成设计工程师(J21277)
长鑫存储 · 合肥市
AI 估算 · 3.5–6.5万1 小时前发布
器件工程师-半导体(车规)
TCL · 深圳市
AI 估算 · 3.0–5.5万3 小时前发布
Principal Engineer Inductor Development
英飞凌 · 上海市
AI 估算 · 4.5–7.5万4 小时前发布
Senior Engineer Failure Analysis
英飞凌 · 无锡市
AI 估算 · 1.8–3.0万4 小时前发布
Principal Engineer Substrate
英飞凌 · 上海市
AI 估算 · 4.5–7.5万4 小时前发布
Hardware Engineer
GE医疗 · 北京市
AI 估算 · 3.0–5.5万4 小时前发布
Watch Jobs