芯片制造AI首席架构师-Manufacturing AI Chief Architect(J19170)

优缺点分析

角色解读

• 继续深耕半导体制造AI领域，成为行业顶级技术专家
• 向技术管理方向发展，担任技术VP或CTO
• 横向扩展到其他先进制造行业的智能化转型岗位
• 构建AI驱动的Fab制造优化平台，实现工艺参数自适应优化、机台状态预测与缺陷控制
• 设计从机台数据到工艺控制再到良率反馈的闭环系统，兼顾高频实时控制与低频全局优化
• 建立良率预测与早期预警模型，支持先进节点复杂多变量优化
• 领导跨领域团队，推动算法工程化落地，并制定制造智能化路线图
• 深刻理解半导体核心工艺段（Etch/Deposition/CMP/Litho等），熟悉机台控制系统与Recipe结构
• 掌握机器学习、数据科学方法，能结合实际工艺数据建模
• 具备量产良率提升或设备综合效率提升的实战经验
• 理解设备误差源与漂移机制，熟悉CD/Overlay/Defect形成路径

申请策略

• 深入了解长鑫存储的技术路线和产品方向，在面试中展示对其制造痛点的理解
• 准备一个完整的案例，说明如何将AI应用于半导体工艺优化并产生实际效益
• 突出半导体工艺经验，尤其是核心工艺段的优化和良率提升项目
• 强调AI或数据科学在制造领域的应用案例，如预测模型、优化算法等
• 展示跨团队协作和领导力，特别是搭建算法工程化体系的经历
• 补充强化学习、时序预测、贝叶斯优化等与工艺控制相关的AI技术
• 熟悉半导体设备通信协议（如SECS/GEM）和工业大数据平台

面试指南

• 结构化地阐述问题分解、数据收集、模型选择、验证部署、持续监控的全流程
• 强调结合实际业务约束（如实时性、稳定性）的工程化思维
• 用具体的项目经验支撑，量化效果指标（如良率提升X%、故障减少Y%）
• 请描述你如何构建一个从机台数据到良率反馈的闭环优化系统？
• 你如何处理高维工艺参数与多目标优化问题？举例说明
• 在半导体制造中，如何保证AI模型的鲁棒性和可解释性？
• 你如何领导一个由工艺工程师和数据科学家组成的跨职能团队？
• 请谈谈你对先进节点（如7nm以下）良率挑战的理解