恩智浦半导体
GenAI Field Application Engineer Intern
GenAI Field Application Engineer Intern
发布于 大约 12 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Ai Agents
Microsoft Copilot
Prompt Engineering
Rag
企业Ai平台
工作流自动化
值不值得投
76综合评分
综合评分 76
跨国半导体公司前沿AI应用实习，技术含量高，发展机会好，WLB及薪资属实习常规水平。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
7K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
67 个在招
市场机会
选择面较广
北京 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
该职位为恩智浦半导体的生成式AI现场应用工程师实习生
主要工作是参与开发和部署生成式AI（如Microsoft Copilot、LangChain等）应用，以提升工程效率、知识管理和业务流程自动化
你需要为企业内部团队（如工程、销售、客户支持）设计和实施AI解决方案，例如构建知识助手、自动化报告生成系统，并创建概念验证项目
最低要求
硕士或学士在读学生，专业为计算机科学、软件工程、电子工程、人工智能、数据科学、信息系统或相关学科
对生成式AI、大语言模型（LLM）、AI Agent及企业AI应用有强烈兴趣
熟悉Python编程及基本软件开发实践
熟悉OpenAI API、Azure AI Services、Microsoft Copilot、Copilot Studio、LangChain、Semantic Kernel等一种或多种AI框架或平台
具备强大的分析思维和解决问题的能力
具备良好的沟通能力和团队合作精神，能够进行跨职能和全球协作
具备良好的英语读写能力
工作职责
参与生成式AI用例的开发和部署，以提升工程生产力、知识管理和业务流程自动化
设计和实施基于Microsoft Copilot、Copilot Studio、Glean、Vero、Power Automate、SharePoint及其他企业AI平台的AI驱动解决方案
为工程、现场应用工程师（FAE）和数字化转型团队构建并维护内部知识助手、AI代理和文档检索系统
开发用于从企业数据源进行自动化信息收集、报告生成、知识提取和数据分析的工作流
创建针对AI驱动工程用例的概念验证（PoC）项目，包括技术知识搜索、客户拜访报告摘要、项目跟踪和任务自动化
评估和基准测试不同的AI工具、提示工程技术及代理架构，以改进解决方案质量和用户体验
与工程、现场应用工程师（FAE）和数字化转型团队协作，识别并实施新的生成式AI机会
记录用例、工作流、最佳实践和技术实施指南，以供内部采用
优先资格
具备AI Agent开发、聊天机器人实现或基于LLM的应用经验
具备使用Glean、Vero、Microsoft Copilot、Copilot Studio、Power Platform或类似企业AI工具的经验
具备企业搜索、知识管理系统或文档智能解决方案的经验
对开源项目、黑客马拉松、研究项目或AI相关出版物有贡献者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触并应用生成式AI的最新技术（LLM、Agent），积累宝贵的实践经验
- 企业级视角：在跨国大公司实践AI落地，能深入理解技术如何与业务结合，提升工程效率
- 平台与工具：有大量机会使用和评估微软、自研等各类企业级AI平台和工具
- 跨职能协作：需要与工程、销售、支持等多团队沟通，锻炼综合能力
- 技术深度要求：需要快速学习并掌握多种AI工具和框架，并理解其在企业复杂环境中的适用性
- 快速学习与适应：生成式AI领域技术迭代快，需要持续学习
- 同时需要快速理解公司内部的业务流程和系统
- 成果量化：AI提升效率的效果可能不易直观衡量，需要设计有效的评估指标来展示价值
- 适合对生成式AI有浓厚兴趣、喜欢动手解决实际问题、具备较强自学和沟通能力的计算机/AI相关专业学生
- 希望在企业环境中深入探索AI应用落地的同学尤为适合
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术深耕方向：成为AI解决方案工程师或AI产品经理，专注于企业级AI应用的设计与落地
- 领域专家方向：结合半导体行业知识，成为懂技术的行业AI应用专家
- 管理方向：积累项目管理和跨部门协作经验，未来可向技术管理或项目管理发展
- 参与生成式AI应用从概念到部署的全过程，解决企业实际工作中的效率问题
- 设计和开发基于主流企业AI平台（如Microsoft Copilot、LangChain）的解决方案，如知识助手和自动化报告
- 与工程师、销售等多团队合作，理解业务需求，并将其转化为可行的AI技术方案
- 评估和测试不同的AI工具与技术架构，并编写技术文档和最佳实践指南
- 编程与AI基础：熟练使用Python，了解基本的软件开发流程
- AI框架与平台：熟悉OpenAI API、Azure AI、Copilot Studio、LangChain等至少一种工具
- LLM与应用概念：理解RAG、Prompt工程、向量数据库等概念，并能应用于实际场景
- 微软生态知识：加分项，但熟悉Microsoft 365、Power Platform等将极大提升工作适应性
申请策略
- 在求职信或简历中，明确表达你对企业级AI应用（而非纯研究）的兴趣和理解
- 可研究一下恩智浦的业务（如汽车电子、物联网）以及AI可能的应用点（如辅助芯片设计、优化供应链、提升客户服务），在面试中展现你的思考
- 突出任何与AI/LLM相关的课程项目、个人项目或研究经历，特别是使用过JD中提到的任何平台或工具
- 强调Python编程能力和基本的软件工程实践（如版本控制、代码规范）
- 如有使用微软365生态（如Teams, Power Automate）或类似企业工具的经验，应明确列出
- 强调你的分析、解决问题和跨团队沟通能力，可通过项目经历中的协作部分体现
- 深入学习RAG（检索增强生成）的原理和实践，这是企业AI应用的核心模式之一
- 动手实践LangChain或Semantic Kernel等框架，搭建一个简单的知识问答或报告生成应用
面试指南
- 项目回答：使用STAR法则（情境、任务、行动、结果），重点突出你的技术选型思考、解决具体问题的过程以及项目取得的成效
- 技术概念回答：先给出清晰定义，再结合一个具体的、与企业场景相关的例子（如构建内部文档助手）来阐述其价值和应用流程
- 设计类问题：首先明确用户（销售）的核心痛点，然后描述如何通过技术（如数据检索、报告生成）解决，最后考虑实现的可行性、工具选择和后续优化
- 请描述一个你用Python或其他语言实现的与AI相关的项目
- 你在其中扮演什么角色？遇到了什么挑战？
- 请解释一下什么是RAG（检索增强生成），并设想一个它可以应用于半导体公司内部知识管理的场景
- 如果让你为一个销售团队构建一个AI助手来帮助他们准备客户拜访材料，你会如何设计这个解决方案？
- 你使用过Microsoft Copilot或其他类似的AI助手吗？请分享你的使用体验或看法
职位点评
薪资福利55
成长发展92
工作生活65
使命价值78
薪资福利
55较低
作为实习岗位，薪资水平通常有限，但恩智浦作为跨国公司可能提供相对市场水准的实习津贴及系统性福利。
薪资信号未披露（AI估算：5K-8K/月）
成长发展
92较高
该职位是发展性动机的核心优势。实习生将直接参与前沿的生成式AI应用开发，使用主流企业级AI平台，在跨国环境中获得宝贵的工程实践经验，成长路径清晰。
技术前沿前沿/新兴技术
技术栈Generative AI、LLM、AI Agents、RAG、Prompt Engineering、LangChain、Microsoft Copilot、Copilot Studio、Power Automate
业务类型ambiguous
工作生活
65中等
工作地点为北京/天津，需要现场办公，办公灵活性一般。半导体行业工作节奏可能较快，但JD未明确提及加班信息。
工作模式仅现场办公
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
78中等
在半导体行业这一技术驱动的领域应用AI技术，提升工程效率和业务流程，具有明确的业务价值和技术创新意义。行业处于稳定成熟阶段，但AI赋能是明确趋势。
行业发展稳定成熟行业
社会影响中性/一般
使命信号to improve engineering productivity, knowledge management, and business workflow automation
创新程度积极采用新技术
恩智浦半导体 的其他在招职位
相似职位推荐
Watch Jobs