恩智浦半导体
GenAI Field Application Engineer Intern
GenAI Field Application Engineer Intern
发布于 大约 16 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Ai智能体
Microsoft Copilot
Rag
企业应用
大语言模型
生成式Ai
知识管理
值不值得投
68综合评分
综合评分 68
跨国半导体巨头AI应用实习，技术栈前沿，成长性强，薪资与WLB信息未明。
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
5K
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 · 其中人工智能 2 个
市场机会
选择面较广
北京 · 人工智能 · 约 410 个在招
职位详情
关于这个职位
这是一个生成式AI应用工程师的实习岗位
你将参与到企业级AI解决方案的设计、开发与部署中，利用微软Copilot、Power Automate等平台，为恩智浦的工程、销售和支持团队构建内部知识助手和自动化工作流，从而提升业务效率
最低要求
计算机科学、软件工程、电子工程、人工智能、数据科学或信息等相关专业的在读硕士或本科生
对生成式AI、大语言模型、AI智能体和企业级AI应用有浓厚兴趣
熟悉Python编程和基本的软件开发实践
熟悉OpenAI API、Azure AI服务、Microsoft Copilot、Copilot Studio、LangChain、Semantic Kernel等一个或多个AI框架或平台
具备分析思维和问题解决能力
良好的沟通能力和团队合作精神，能进行跨职能和全球协作
良好的英语读写能力
工作职责
参与生成式AI用例的开发与部署，以提升工程生产力、知识管理和业务流程自动化
设计并实施基于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、销售和支持团队构建和维护内部知识助手、AI智能体及文档检索系统
开发用于从企业数据源自动收集信息、生成报告、提取知识和分析数据的工作流
针对AI驱动的工程用例（如技术知识搜索、客户访问报告摘要、项目跟踪和任务自动化）创建概念验证项目
评估和比较不同的AI工具、提示工程技术和智能体架构，以提升解决方案质量和用户体验
与工程、现场应用工程（FAE）和数字化转型团队合作，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，以促进内部采纳
优先资格
有AI智能体开发、聊天机器人实现或基于大语言模型应用的经验
有使用Glean、Vero、Microsoft Copilot、Copilot Studio、Power Platform或类似企业AI工具的经验
有企业搜索、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
了解检索增强生成、提示工程、向量数据库或知识管理概念
熟悉Microsoft 365生态系统，包括SharePoint、Teams、Power Automate、Power Apps或Power BI
有网页开发、数据可视化、工作流自动化或聊天机器人开发经验
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触和使用最新的生成式AI技术，积累企业级AI应用实战经验
- 平台广阔：在恩智浦这样的全球半导体巨头实习，能接触到复杂的业务场景和先进的工程实践
- 技能复合：工作涉及AI、自动化和企业IT多个领域，有助于培养复合型技术能力
- 影响力可见：开发的工具和解决方案能直接提升工程师和业务团队的工作效率，成果可感知
- 学习曲线陡峭：需要快速掌握多种企业级AI工具和平台（如Copilot Studio、Power Platform），技术栈较新且复杂
- 项目导向：实习期项目需快速产出成果，节奏可能较快，需要良好的时间管理能力
- 对生成式AI和企业应用有浓厚兴趣的计算机相关专业学生，具备扎实的Python基础，乐于探索新技术并善于沟通协作，希望将AI技术应用于解决实际工程和业务问题
缺点 / 挑战
- 跨团队协作：需要与不同背景的工程师、产品经理和业务方沟通，对非技术能力要求较高
角色解读
- 技术深耕：可深入成为AI应用开发专家或解决方案架构师，专注于企业级AI落地
- 领域拓展：可向数据科学、机器学习工程或产品管理方向发展，将AI技术与具体业务场景深度结合
- 职业起步：优秀的实习表现可能获得转正机会，成为恩智浦数字化转型团队的正式成员
- 利用微软Copilot、Power Automate等企业级AI工具，设计和开发能提升团队效率的解决方案
- 构建和维护内部知识库、AI助手和自动化工作流，服务于公司的工程、销售等核心部门
- 创建和验证AI应用原型，例如智能文档摘要、自动化报告生成和项目管理工具
- 评估并测试不同的AI技术栈和架构，为团队选择最佳实践方案
- 编程能力：熟练使用Python进行脚本编写和开发
- AI技术栈：熟悉至少一种主流的大语言模型应用开发框架，如LangChain、Semantic Kernel或微软Copilot平台
- 系统集成：了解如何将AI模型与企业现有系统（如Office 365、SharePoint）结合
- 沟通协作：具备良好的英语读写和跨团队沟通能力，能够理解业务需求并将其转化为技术方案
申请策略
- 仔细阅读JD中提到的所有工具（Copilot, Glean, Vero等），并在简历或面试中展现出你对这些工具应用的思考
- 在求职信或面试中，结合你对半导体行业的理解（如芯片设计流程），阐述AI可以如何提升其效率，展现你的商业和技术洞察力
- 准备好讲述一个你如何学习并应用新技术解决具体问题的故事，体现你的学习能力和主动性
- 突出任何与大语言模型、AI智能体或自动化相关的个人项目或课程作业，特别是使用过OpenAI、LangChain等框架的经历
- 展示Python编程能力，可列举使用Python完成的数据分析、Web开发或脚本自动化项目
- 强调团队合作和沟通经验，例如在课程项目、学生组织或过往实习中如何与他人协作完成任务
- 如有相关领域的开源贡献、技术博客或比赛经历，务必列出，以体现技术热情和自驱力
- 快速学习微软Copilot、Power Automate等平台的基本操作，可通过微软官方文档或免费试用版进行了解
面试指南
- 技术问题：采用STAR法则（情境-任务-行动-结果）来结构化回答项目经验，突出技术选型和解决问题的思路
- 设计类问题：先明确目标用户和核心痛点，再提出功能设想，并简要说明技术可行性（如使用何种API或平台）
- 开放性问题：从技术趋势、数据隐私、用户体验、落地成本等多角度辩证分析，展现全面的思考
- 请介绍一个你用Python完成的、与数据处理或自动化相关的项目
- 你在其中遇到了什么挑战，如何解决的？
- 你如何理解检索增强生成技术？请设想一个它在企业知识管理中的应用场景
- 如果让你为我们的现场应用工程师团队设计一个AI助手，你会考虑哪些核心功能？
- 你对我们使用的微软Copilot或Power Automate平台有任何了解或使用经验吗？
职位点评
薪资福利40
成长发展90
工作生活55
使命价值65
薪资福利
40较低
该职位为实习生岗位，薪资和福利信息未在JD中披露，补偿性动机满足程度有限。
薪资信号未披露（AI估算：4K-6K/月）
成长发展
90较高
该职位涉及前沿的生成式AI技术，提供在跨国企业内部进行实际项目开发和跨团队协作的宝贵经验，对技能成长和职业起点提升有极高价值。
技术前沿前沿/新兴技术
技术栈生成式AI、大语言模型、AI智能体、Microsoft Copilot、Power Automate、LangChain、Semantic Kernel、RAG
成长机会开发与部署、设计并实施、构建和维护、开发工作流、创建概念验证项目、评估和比较、识别并实施、促进内部采纳
业务类型cost_center
工作生活
55较低
JD未明确说明工作模式（远程或混合），实习岗位通常需要到岗，工作地点涉及北京和天津，通勤和办公灵活性信息未知。
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
65中等
该职位属于半导体行业头部企业的数字化转型项目，有助于提升工程效率，但社会影响力和使命感在JD中未直接强调。
行业发展稳定成熟行业
社会影响中性/一般
使命信号提升工程生产力、优化业务流程、贡献力量
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