长鑫存储
智能研发(BJ)(J20817)
智能研发(BJ)(J20817)
发布于 大约 20 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
仿真建模
强化学习
数字孪生
数据分析
机器学习
深度学习
运筹优化
值不值得投
68综合评分
综合评分 68
超大型半导体企业AI算法校招岗，技术前沿，薪资未披露，WLB未知。
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
比人工智能中位数高
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 1780 个在招 · 其中人工智能 6 个
市场机会
选择面较广
北京 · 人工智能 · 约 350 个在招
职位详情
关于这个职位
负责半导体制造领域的智能算法研发，包括生产排产优化、良率分析平台开发、多物理场仿真建模及传感器融合感知等，通过AI技术提升产线效率和智能化水平
最低要求
学历要求：硕士及以上学历，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、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
AI 洞察
优缺点分析
优点
- 超大型企业平台，项目资源丰富，有利于技能积累
- 涉及多学科知识（如运筹学、仿真、传感器），拓展能力边界
- 公司处于C轮及以后融资阶段，发展稳定，行业前景好
- 技术难度高，需要跨学科知识整合和实际落地能力
- 适合对AI算法在工业制造中应用感兴趣，具备扎实数学、编程和跨学科基础的理工科硕士及以上毕业生
缺点 / 挑战
- 工作在半导体制造与AI交叉的前沿领域，技术挑战性强
- 半导体制造场景复杂，算法应用需解决工程化挑战
- 校招竞争激烈，对学术背景和项目经验要求较高
角色解读
- 从算法工程师成长为AI技术专家，深入半导体制造领域的智能化应用
- 积累跨学科经验后，可转向技术管理或前沿研究岗位
- 推动AI技术在工业制造中的落地，成为行业内的技术领袖
- 主导半导体生产排产与资源调度的智能算法设计，通过运筹优化和机器学习提升产能利用率
- 开发智能良率分析平台，进行电性与工艺数据分析，支撑研发决策
- 构建多物理场仿真与数字孪生模型，进行应力、流场等计算，优化制造过程
- 融合多源传感器数据，实现设备状态感知和异常检测，推动智能化应用
- 掌握运筹优化与机器学习算法，具备Python开发和数据分析建模经验
- 熟练使用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
- 具有运筹学或优化求解器在生产排产问题中的实际应用经验
- 能使用英语阅读文献和技术报告，CET-6成绩达标
申请策略
- 研究长鑫存储在存储器领域的技术方向和项目，展示匹配度
- 准备完整的项目案例，用STAR法则描述如何将算法应用于实际生产问题
- 突出运筹优化与机器学习项目经验，特别是数据分析建模和算法设计成果
- 展示深度学习框架的熟练使用，提供模型训练和调优的案例细节
- 强调英语能力和CET-6成绩，以及相关理工科专业背景
- 如有数字孪生、仿真建模或传感器融合相关经历，重点呈现
- 深入学习半导体制造流程和AI应用案例，了解行业痛点
- 加强强化学习和大模型技术在工业场景中的应用学习
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验，突出技术细节和成效
- 结合具体算法（如强化学习、运筹模型）和工具，说明如何解决实际问题
- 强调跨学科思维和团队协作，展示解决复杂工程问题的能力
- 如何将机器学习算法应用于半导体生产排产优化？请举例说明
- 你使用过哪种运筹优化求解器？它在生产调度中如何发挥作用？
- 多物理场仿真中，如何处理不同物理场之间的耦合问题？
- 如何设计传感器融合算法来检测设备异常？
- 你对深度学习在半导体良率分析中的应用有什么理解？
职位点评
薪资福利60
成长发展85
工作生活50
使命价值70
薪资福利
60中等
JD未提及薪资和福利细节，补偿性动机满足程度有限。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及多项前沿AI技术和跨学科应用，提供显著的技术成长机会。
技术前沿前沿/新兴技术
技术栈Python、机器学习、深度学习、运筹优化、数字孪生
业务类型ambiguous
工作生活
50较低
JD未提及办公模式和工作生活平衡信息，无法判断。
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
70中等
半导体制造对科技发展有重要意义，但JD未强调社会使命或行业前景。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
长鑫存储 的其他在招职位
相似职位推荐
Watch Jobs