博世
AI Engineer (计算机视觉方向)_ME
AI Engineer (计算机视觉方向)_ME
发布于 大约 11 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Pytorch
Tensorflow
大语言模型
工业质检
数据分析
深度学习
计算机视觉
边缘计算
值不值得投
76综合评分
综合评分 76
工业AI前沿岗位，技术挑战大、成长空间足，但对现场办公和工程落地能力要求高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
24K
比计算机视觉工程中位数低
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 990 个在招 · 其中计算机视觉工程 21 个
市场机会
选择适中
苏州 · 计算机视觉工程 · 16 个在招
职位详情
关于这个职位
这是一个在博世苏州工厂负责工业人工智能解决方案的计算机视觉工程师岗位
你将利用计算机视觉、深度学习以及最新的智能体AI技术，解决工业质检、自动化流程优化等实际问题，将前沿AI技术转化为可衡量的业务价值，参与公司的数字化转型
最低要求
精通计算机视觉和深度学习算法（如目标检测、语义/实例分割、异常检测），熟悉现代架构和框架
深入理解大语言模型（LLM）和智能体AI框架（如LangChain， LlamaIndex）
熟悉时序数据处理和特征工程，具备扎实的统计学、线性代数和数值优化基础
具备熟练的编程能力和良好的工程实践，精通Python（优先）或C++
具备模型优化和边缘部署经验者优先
能够向不同受众清晰阐述复杂技术概念，具备出色的沟通技巧
具备英语口语和书面工作能力
具有开发人工智能概念验证（PoC）或原型模型的实践经验
在计算机视觉项目上有成功经验
能够阅读和分析技术文献和研究报告
计算机科学、人工智能、应用数学、统计学或相关领域的硕士学位
或相关领域本科学位加2年以上相关工作经验
工作职责
需求分析：与业务利益相关者和工厂团队协作，理解用例需求和痛点，并将其转化为可靠的技术规格
计算机视觉与深度学习开发：设计、训练和部署用于工业检测和自动化的经典视觉算法和深度学习模型，平衡准确性、鲁棒性和实时性能
智能体AI解决方案：开发并实施利用大语言模型（LLM）的智能体AI工作流，以解决制造问题，例如智能文档处理、自动报告和复杂决策支持
时序与多模态数据：处理和分析时序传感器数据与视觉数据，构建用于预测性维护和流程优化的综合AI解决方案，支持更广泛的工厂AI计划
部署与集成：与工程团队合作，将AI模型从概念验证（PoC）部署到生产环境，包括制造产线上的边缘计算集成
优先资格
具备基于LLM的智能体应用程序经验者高度优先
在工业或制造业相关场景中应用AI或高级分析经验者优先
参与过从问题定义到概念方案设计的AI解决方案设计或可行性研究经验者优先
具有与跨职能团队（如产品、IT、OT、数据团队）合作，将业务问题转化为AI驱动方案的工作经验者优先
具备深度学习、决策系统或工业信息学相关的正规培训或课程学习背景者优先
AI 洞察
优缺点分析
优点
- 处于工业AI落地的最前沿，能积累将尖端技术应用于实体产业的宝贵实战经验
- 博世作为全球制造业领导者，提供稳定的平台、严谨的工程文化和接触大型复杂项目的机会
- 岗位技术栈全面，涵盖CV、DL、LLM智能体、边缘部署，成长速度快且领域技能壁垒高
- 作为数字化转型项目成员，可能需要同时理解复杂的制造业务逻辑和前沿AI技术，对复合能力要求高
- 在大型跨国公司中，推动项目落地可能需要适应一定的流程和跨部门沟通协调
- 适合对工业智能化有热情，既喜欢钻研算法技术又乐于解决实际工程问题，渴望将AI技术用于创造实体世界价值的计算机科学或相关专业应届生及初级工程师
缺点 / 挑战
- 苏州地区生活成本相对一线城市较低，结合博世的企业平台，性价比较高
- 工业场景对AI模型的鲁棒性、实时性和可部署性要求极高，技术挑战大，需要解决大量工程细节问题
角色解读
- 技术专家路线：深耕工业视觉与AI算法，成为该领域的资深工程师或技术专家
- 解决方案架构师：积累行业经验后，负责更复杂的AI系统整体设计与跨团队协调
- AI产品经理/技术负责人：结合技术深度与业务理解，主导工业AI产品或项目的规划与落地
- 作为工厂AI团队核心成员，负责将计算机视觉、深度学习和LLM智能体技术应用于真实的工业制造场景
- 直接解决生产线上的质检、自动化、预测性维护等具体问题，设计并交付端到端的AI解决方案
- 与产品经理、架构师、工程师等跨职能团队紧密合作，推动AI模型从概念验证到产线边缘设备的生产部署
- 扎实的计算机视觉与深度学习算法功底，能针对工业场景设计模型并平衡性能与实时性
- 熟悉LLM和智能体AI框架，并有潜力或经验将其用于解决制造领域的文档、报告、决策问题
- 良好的工程实践与编程能力（Python为主），以及将模型部署到边缘计算环境的能力
- 能够将复杂技术向非技术利益相关者清晰阐述，并具备英语工作沟通能力
申请策略
- 深入研究博世的工业4.0战略和智能制造案例，在面试中展现你对该公司及行业的兴趣和理解
- 准备一个你解决过的、最棘手的‘技术-业务’转化问题，清晰阐述你如何理解需求、分析问题并设计方案
- 突出1-2个完整的计算机视觉项目经历，特别是工业检测、缺陷识别等相关课题，详细说明技术选型、实现挑战和最终效果
- 如有LLM应用项目或研究经历（如使用LangChain搭建Agent），务必重点展示，这是本岗位的显著加分项
- 强调Python编程、模型训练与优化、以及任何边缘设备（如Jetson）部署或模型轻量化的经验
- 体现你的沟通协作能力，例如跨学科团队合作经历、技术方案汇报或英文技术文档写作经验
- 系统学习并实践一个完整的智能体AI应用案例，例如用LangChain+向量数据库构建一个文档问答系统，加深理解
- 针对工业场景，研究时序数据处理方法，并了解模型量化、剪枝等边缘部署优化技术
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验，重点突出你的技术决策和产生的业务价值
- 回答技术概念题时，先给出清晰定义，再结合具体场景举例说明其应用价值和技术要点
- 对于场景设计类问题，遵循‘理解业务需求 -> 拆解技术问题 -> 设计技术方案 -> 考虑落地约束（如数据、部署环境）’的框架进行阐述
- 请描述一个你做过的计算机视觉项目，从问题定义、模型选择、训练到最终评估的全过程
- 你如何理解Agentic AI？在工业场景中，有哪些任务可能适合用LLM智能体来解决？
- 假设需要在工厂产线的边缘设备上部署一个实时缺陷检测模型，你会考虑哪些性能指标和优化方法？
- 请谈谈你对工业质检或预测性维护中某个具体用例的理解，以及你会如何设计AI解决方案
- 如何向非技术背景的工厂管理人员解释一个复杂的深度学习模型的工作原理和局限性？
职位点评
薪资福利72
成长发展92
工作生活58
使命价值82
薪资福利
72中等
跨国制造企业提供相对稳定且有竞争力的薪酬体系，但未在JD中披露具体数字，实际水平需在面试环节确认。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
92较高
该职位技术前沿（涉及CV、LLM智能体、边缘计算），且在制造业AI落地的核心场景中实践，技术成长和行业经验积累价值极高。
技术前沿前沿/新兴技术
技术栈计算机视觉、深度学习、LLM、LangChain、LlamaIndex、边缘计算、时序数据
成长机会数字化转型倡议、从问题定义到概念方案设计
业务类型cost_center
工作生活
58较低
工作地点在苏州，生活成本适中。但岗位强调现场工作与产线集成，办公灵活性可能有限，且制造业项目可能对响应速度有要求。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
82较高
岗位直接参与全球领先制造商的智能化转型，工作成果能提升生产效率与质量，具有明确的产业价值和社会意义。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号改善全球生活品质、工业创新、塑造智能制造的未来
创新程度积极采用新技术
Watch Jobs