长鑫存储
AI研究员(J20761)
AI研究员(J20761)
发布于 大约 18 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
Ai Agent
Eda
Llm
Pytorch
Tensorflow
半导体
知识图谱
芯片设计
值不值得投
71综合评分
综合评分 71
前沿AI与半导体交叉岗位，技术挑战高、成长性强，但薪资福利和WLB未明确。
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
23K
与人工智能中位数基本持平
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 1770 个在招 · 其中人工智能 15 个
市场机会
选择适中
合肥 · 人工智能 · 30 个在招
职位详情
关于这个职位
该职位是AI研究员，专注于将人工智能技术应用于半导体设计与制造领域
工作内容包括开发和部署AI Agent系统以自动化芯片设计流程、重构EDA工具链、推动半导体核心流程AI化架构设计，以及跟踪前沿技术并沉淀知识资产
适合对AI和半导体交叉研究有热情的应届毕业生
最低要求
学历要求：硕士及以上，博士优先
专业要求：微电子、集成电路、电子工程、计算机、AI、自动化、数据科学、软件工程、材料、物理、数学等相关专业，强烈欢迎跨学科复合背景
其他要求（必须满足至少两项）：具有AI实战经验，能使用PyTorch或TensorFlow亲手训练过深度学习模型，理解过拟合、分布偏移、稀疏奖励等核心挑战
或搭建过基于LangChain或LlamaIndex的Agent或RAG系统并解决过实际工程问题
具有EDA或半导体场景理解能力，能在入职一周内精读一篇DRAM工艺论文、理解一条EDA脚本逻辑或看懂一份良率统计报告并指出潜在改进点
具有数学建模与编码能力，能将业务问题转化为数学约束如优化问题、图模型或随机过程，精通Python并熟悉SQL，至少掌握C++或Rust之一
具有产品与原型能力，能写逻辑清晰的产品需求文档、画交互原型，并使用AI开发工具如在两周内产出可运行的最小闭环系统
在DAC、ICCAD、NeurIPS、ICML、VLSI Symp、IMW等顶级会议或期刊以第一作者发表过论文，或获得Kaggle大师、ACM-ICPC区域赛金牌、数学建模竞赛国家一等奖及以上，或拥有GitHub Star大于200的个人项目或开源EDA或AI工具核心贡献者，或曾在EDA厂商、晶圆厂或存储芯片设计团队完成深度实习或课题，或拥有微电子、材料或自动化加AI、计算机或数据科学双重背景并能用具体项目证明融合能力者优先
工作职责
EDA工具链重构与前瞻定义，评估并导入全球先进EDA工具，针对特殊工艺节点完成功能分析与底层优化，从零搭建面向下一代工艺平台的仿真、验证及物理实现工具原型，并与高校、研究所合作推动技术路线图，主导EDA国产化在设计团队中的智能推广，利用Agent自动识别设计弱点并推荐优化方案
AI Agent系统开发与量产部署，开发并部署多智能体系统，使其自主完成Floorplan、时钟树综合、绕线优化及良率分析等端到端任务，打造基于大语言模型与知识图谱的EDA Copilot，实现自然语言交互式辅助，推动AI Agent进化为自主设计核心，在芯片设计、研发、制造、测试等用户团队中实现零人工干预的自动化流程
半导体核心流程AI化架构设计，深入芯片设计、研发、制造、测试等业务流程，识别效率瓶颈并抽象为可被AI求解的问题，主导高价值AI应用场景的识别与需求分析，输出可落地的产品需求文档、原型设计及商业论证，协同算法、软件、数据、IT及业务团队，推动方案可行性评估、数据准备及产线试跑
前沿洞察与知识资产沉淀，跟踪NeurIPS、ICML、ICCAD、DAC、SPIE等顶会及工业界最新成果，定期输出前瞻性技术洞察报告，将落地案例、失败教训及最佳参数固化为可复用知识库与Agent模板，使后续团队能快速继承创新成果
AI 洞察
优缺点分析
优点
- 超大型企业平台提供丰富的资源和项目机会，利于积累经验
- 校园招聘适合应届生，有系统培养潜力
- 跨学科知识要求高，需要同时掌握AI、半导体和工程化能力
- 项目复杂度高，涉及多团队协作，沟通和落地难度大
- 技术迭代快，需持续跟踪顶会成果并应对快速变化
- 适合对AI和半导体技术有浓厚兴趣、具备跨学科背景、能攻克复杂技术难题的硕士及以上学历应届生
缺点 / 挑战
- 处于AI与半导体融合的前沿领域，技术挑战大、成长空间广
角色解读
- 深化AI与半导体交叉领域的专业知识，成为技术专家
- 领导跨学科项目团队，推动AI方案在产线中的规模化应用
- 参与前沿技术研发，向技术管理或首席科学家方向发展
- 开发和部署多智能体系统，实现芯片设计流程的自动化与智能化
- 重构和优化EDA工具链，导入先进技术以支持下一代半导体工艺
- 深入半导体业务流程，识别AI应用场景并推动产品化落地
- 跟踪前沿学术成果，将实践案例沉淀为可复用的知识资产
- 熟练使用PyTorch或TensorFlow进行深度学习模型训练，了解Agent或RAG系统开发
- 具备EDA工具或半导体场景的理解能力，能快速学习工艺和流程知识
- 掌握数学建模与编码技能，精通Python，熟悉SQL及C++/Rust
- 能撰写产品需求文档和原型设计，使用AI工具快速产出原型
申请策略
- 研究长鑫存储在存储芯片和AI领域的技术方向与业务重点
- 准备展示跨学科融合能力的具体案例，如AI优化半导体流程的项目
- 面试时注重表达解决实际问题的思路和团队协作经验
- 突出AI项目实战经验，如训练深度学习模型或开发Agent系统
- 展示半导体相关知识、实习经历或论文成果，体现领域理解
- 强调数学建模和编程能力，提供具体代码或项目案例
- 列出竞赛奖项、开源贡献或产品原型经历，证明综合能力
- 深入学习EDA工具和半导体制造工艺，可通过阅读论文或课程补充
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化描述项目经历，突出个人贡献和成果
- 结合具体技术细节（如模型选择、优化方法、工具链整合）展示专业深度
- 强调跨学科思维和系统解决问题的能力，如何平衡技术与业务需求
- 请介绍一个你开发的AI Agent系统，以及它如何解决实际问题？
- 你如何将AI技术应用于EDA工具链的优化？具体有哪些挑战？
- 你对半导体行业的AI化有哪些理解？哪些环节最有潜力？
- 请描述一个数学建模解决业务问题的例子，从问题抽象到实现
- 你平时如何跟踪NeurIPS、ICML等顶会的最新成果？如何应用到工作中？
职位点评
薪资福利65
成长发展85
工作生活50
使命价值80
薪资福利
65中等
JD未披露薪资和具体福利信息，补偿性动机满足程度有限，需在面试中确认。
薪资信号未披露（AI估算：15K-30K/月）
成长发展
85较高
职位涉及前沿AI与半导体技术交叉，提供高难度技术挑战和成长机会，但未明确提及晋升或培训体系。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、EDA、PyTorch、TensorFlow
业务类型ambiguous
工作生活
50较低
JD未提及工作模式、加班或WLB信号，办公地点可能为现场，生活化动机满足程度不确定。
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
80较高
半导体和AI领域处于高速增长赛道，技术应用具有创新性，但社会影响力描述有限。
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