长鑫存储
智能研发(J20802)
智能研发(J20802)
发布于 大约 23 小时前普通员工/个人贡献者
全职员工仅现场办公研究与开发 (研发)
研究与开发 (研发)
半导体制造
大模型
强化学习
数字孪生
数据分析
机器学习
深度学习
计算机视觉
运筹优化
值不值得投
76综合评分
综合评分 76
半导体智能制造核心技术岗，技术成长性与行业使命感突出，现场办公，具体WLB与薪资待确认。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
20K
比研究与开发 (研发)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 1660 个在招 · 其中研究与开发 (研发) 约 150 个
市场机会
选择面较广
合肥 · 研究与开发 (研发) · 约 170 个在招
职位详情
关于这个职位
该职位为长鑫存储的校园研发岗位，专注于将人工智能技术应用于半导体制造的核心环节
你将主导智能调度算法设计、搭建良率分析平台、构建数字孪生仿真模型，并探索前沿AI技术（如大模型）在工艺、材料等领域的落地，以提升生产效率与制造智能化水平
最低要求
学历要求：硕士及以上，博士优先
专业要求：计算机科学、AI、运筹学、工业工程、自动化、微电子、物理、力学、机械、光学、化学、材料科学、电子信息工程、应用数学、统计学、通信工程、模式识别、智能制造、射频技术、等离子体物理、理论物理、粒子物理、电磁场与无线电技术等相关理工科专业
其他要求：
能使用英语阅读英文文献并完成技术报告，CET-6成绩≥425分
能使用Python开发算法与数据处理程序，具有完整的数据分析与建模项目经验
能使用至少一种深度学习框架，独立完成数据模型训练与调优
具有至少一种运筹学或优化求解器实际生产排产问题的应用经验，能为主实现可行性方案
工作职责
智能调度算法设计：主导半导体生产排产与资源调度场景的模型建模，融合运筹优化与机器学习设计并实现高效调度策略，提升产线整体产能利用率和设备效率
数据分析与知识平台建设：统筹电性与工艺关联分析，沉淀良率分析案例、方法论与知识库，开发一站式智能良率分析平台，支撑研发决策与良率改进
多物理场仿真与数字孪生构建：设计并优化面向工艺生产与设备机理的多物理场耦合、等离子体过程和数字孪生仿真模型，开展应力、流场、热场与电磁场计算，提升仿真还原度与预测有效性
传感器融合感知算法开发：融合视觉、听觉、嗅觉等多源传感器数据，实现设备状态感知与异常检测，支撑智能检测和智能决策应用
前沿技术研究与落地：跟踪并评估深度学习、强化学习和大模型技术在半导体制造领域的应用潜力，通过验证与迁移实现智能方案在工艺、材料和工程业务场景中的实施落地
优先资格
博士优先
AI 洞察
优缺点分析
优点
- 能够将AI技术深度应用于半导体制造这一高价值、高门槛的实体经济领域
- 依托大型半导体制造企业，有机会接触复杂的工业场景和海量真实数据
- 需要快速理解并掌握复杂的半导体制造工艺与设备知识，学习曲线陡峭
- 项目与产线紧密结合，对算法的稳定性、可靠性和落地效果要求极高
- 作为校招新人，需在高强度的技术攻坚和跨团队协作中快速成长
- 对人工智能算法有扎实基础，同时对制造业、物理过程仿真感兴趣，愿意深入工业现场解决实际问题的理工科硕士或博士毕业生
缺点 / 挑战
- 技术挑战多样，涉及算法、建模、仿真、感知等多个前沿方向
角色解读
- 在特定技术方向（如调度算法、仿真、感知）上深耕，成为领域技术专家
- 积累半导体制造工艺知识，向跨领域的技术架构师或解决方案专家发展
- 带领技术团队，参与更宏观的智能制造系统规划与设计，走向技术管理岗位
- 设计并实现用于半导体生产排产的智能调度算法，优化资源与产能
- 构建数据分析平台，挖掘电性工艺与良率的关联，沉淀知识库以支持制造决策
- 开发和优化多物理场耦合及数字孪生仿真模型，模拟设备与工艺过程
- 融合多源传感器数据，开发算法用于设备状态感知与异常检测
- 研究并评估深度学习、大模型等前沿AI技术在半导体制造中的落地应用
- 掌握运筹优化、机器学习、深度学习的核心算法原理与建模能力
- 熟练使用Python进行算法开发与数据处理，有完整项目经验
- 熟悉至少一种深度学习框架（如TensorFlow/PyTorch），能独立完成模型训练与调优
- 具备良好的数据分析能力，有运筹学或优化求解器解决实际生产问题的经验
申请策略
- 在简历和面试中，清晰表达你对‘AI+制造’交叉领域的兴趣和理解，展示你的技术热情
- 准备一两个你如何将算法应用于解决具体问题的深度案例，逻辑清晰地讲述背景、方法、结果和反思
- 重点突出与运筹优化、机器学习、数据分析相关的课程设计、科研项目或竞赛经历
- 详细描述使用Python和深度学习框架完成的数据建模、算法开发项目，强调解决问题的完整过程
- 如有任何与仿真、传感器数据、工业问题相关的研究或实习经历，务必重点阐述
- 突出英语阅读能力（如阅读英文文献的经历）和CET-6成绩
- 复习运筹学（如线性规划、调度问题）和优化求解器（如CPLEX、Gurobi）的使用
- 学习半导体制造的基础知识，了解光刻、刻蚀、薄膜沉积等关键工艺环节
面试指南
- 对于项目经验问题，采用STAR法则（情境、任务、行动、结果）结构化描述，强调你的技术选型和思考过程
- 对于技术概念问题，结合JD中的工作职责进行阐述，展示你对该岗位实际应用场景的理解
- 对于开放性技术问题，可以先阐述基本原理，然后提出可能的解决方案框架，体现系统化思维
- 请描述一个你使用优化算法或机器学习解决实际问题的项目，遇到了哪些挑战，如何解决的？
- 如何理解‘数字孪生’？如果让你为一台半导体设备构建数字孪生模型，你会考虑哪些方面？
- 对于生产排产中的多目标优化（如最大化产量与最小化换线时间冲突），你有什么思路？
- 你如何跟踪和评估深度学习或大模型领域的最新进展？能否举例说明其可能的应用？
- 深入复习运筹优化、机器学习、深度学习的核心概念与常用算法，准备好解释其原理和适用场景
职位点评
薪资福利70
成长发展90
工作生活55
使命价值85
薪资福利
70中等
作为大型企业的校招岗位，平台稳定且规模大，对职业起点有一定保障。但JD未明确薪资福利细节，竞争力需结合具体offer判断。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
该职位对技术成长的驱动力极强，要求掌握运筹、AI、仿真等多领域前沿技能，并直接应用于复杂的半导体制造场景，技术深度和广度提升机会非常大。
技术前沿前沿/新兴技术
技术栈运筹优化、机器学习、深度学习、数字孪生、大模型、Python
业务类型profit_center
工作生活
55较低
工作地点明确为现场，办公模式未提及，推测需到岗。半导体制造行业通常对现场支持有要求，WLB可能受项目进度影响。
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
85较高
工作直接服务于提升国家重要产业——半导体制造的智能化水平，具有明确的技术应用价值和产业报国使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号支撑研发决策与良率改进、实现智能方案...实施落地
创新程度积极采用新技术
Watch Jobs