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代理
Azure Ai Services
Microsoft Copilot
Prompt Engineering
Rag
大语言模型
工作流自动化
生成式Ai
值不值得投
74综合评分
综合评分 74
跨国公司前沿AI应用实习，技术成长机会突出，工作模式与WLB待确认。
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
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
你将作为恩智浦半导体的生成式AI应用工程师实习生，参与将前沿AI技术（如大语言模型、AI代理）应用于企业内部场景，提升工程生产力和业务流程自动化水平
工作内容包括设计和实现基于微软Copilot、Glean等平台的AI解决方案，并构建内部知识助手和自动化工具
最低要求
硕士或学士在读，计算机科学、软件工程、电子工程、人工智能、数据科学、信息系统或相关专业
对生成式AI、大语言模型、AI代理和企业AI应用有浓厚兴趣
熟悉Python编程和基础软件开发实践
熟悉以下一种或多种AI框架或平台：OpenAI API、Azure AI Services、Microsoft Copilot、Copilot Studio、LangChain、Semantic Kernel或类似技术
了解检索增强生成、提示工程、向量数据库或知识管理概念者优先
熟悉Microsoft 365生态系统，包括SharePoint、Teams、Power Automate、Power Apps或Power BI者优先
具有Web开发、数据可视化、工作流自动化或聊天机器人开发经验者优先
具备较强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协作精神，能够进行跨职能和全球化协作
具备良好的英语读写能力
工作职责
参与开发和部署生成式AI用例，以提升工程生产力、知识管理和业务流程自动化水平
使用Microsoft Copilot、Copilot Studio、Glean、Vero、Power Automate、SharePoint和其他企业AI平台设计并实施AI驱动的解决方案
为工程、现场应用工程师和客户支持团队构建和维护内部知识助手、AI代理和文档检索系统
开发用于从企业数据源自动收集信息、生成报告、提取知识和进行数据分析的工作流
创建AI驱动的工程用例的概念验证项目，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、提示工程技术和代理架构，以提高解决方案质量和用户体验
与工程、现场应用工程和数字化转型团队合作，识别和实施新的生成式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
具有AI代理开发、聊天机器人实施或基于大语言模型应用的经验
具有使用Glean、Vero、Microsoft Copilot、Copilot Studio、Power Platform或类似企业AI工具的经验
具有企业搜索、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相关出版物的贡献将被高度赞赏
AI 洞察
优缺点分析
优点
- 能够直接接触到生成式AI在企业级场景的前沿应用，获得宝贵的实战经验
- 使用的技术栈和平台（微软Copilot生态、RAG等）是当前市场上的热点，技能可迁移性强
- 作为跨国半导体公司的实习生，有机会参与全球化协作项目，视野开阔
- 实习期可能较短，需要快速学习并产出可见的成果（PoC项目）
- 需要平衡好技术探索与具体业务目标，避免技术方案与实际需求脱节
- 适合对生成式AI技术有热情、具备一定编程基础，并渴望了解AI如何在大型企业中创造实际价值的在读学生
- 希望积累从0到1构建企业AI应用经验的求职者尤为合适
缺点 / 挑战
- 企业级AI应用可能涉及复杂的现有系统集成和严格的合规要求，对工程能力要求较高
角色解读
- 从实习生成长为初级AI应用工程师，独立负责特定AI应用模块的开发与维护
- 可以向AI解决方案架构师方向发展，负责设计更复杂、跨系统的企业级AI解决方案
- 也可以向AI产品经理转型，专注于识别和定义具有高商业价值的AI应用场景
- 在企业内部探索和实践生成式AI的落地场景，如构建知识库、自动化报告生成等
- 动手操作主流的企业级AI平台（如Microsoft Copilot Studio）和开发工具，将AI能力与业务流程结合
- 与不同部门（工程、销售）合作，理解他们的需求，并用AI解决方案来解决实际工作痛点
- 需要扎实的Python编程基础，以便调用AI API和进行数据处理
- 需要熟悉至少一种主流的AI开发框架或平台（如LangChain, Semantic Kernel, Azure AI）
- 需要理解RAG、Prompt Engineering等生成式AI的核心概念，并能将其应用于解决企业知识管理、自动化等具体问题
- 需要良好的沟通能力，以便与全球团队协作并理解业务需求
申请策略
- 研究恩智浦的核心业务（汽车电子、物联网等），思考AI技术在其特定业务场景（如芯片设计文档检索、客户技术支持）中可能的应用点
- 在面试中展现你对企业级AI应用的理解，即AI不仅要技术可行，更要考虑安全性、可维护性和业务价值
- 表现出强烈的自驱力和好奇心，主动询问团队当前探索的AI方向和挑战
- 在简历中突出任何与AI/ML相关的项目经历，尤其是涉及LLM、RAG或Agent开发的部分
- 清晰地列出你掌握的编程语言、AI框架和云服务（如Azure）技能
- 如果有使用Microsoft 365生态工具（如Power Automate）或进行工作流自动化的经验，务必强调
- 参与过的任何黑客马拉松、开源贡献或技术竞赛都是亮点
- 重点学习RAG（检索增强生成）的实现原理，并尝试用LangChain等框架搭建一个简单的知识问答Demo
面试指南
- 对于项目经历，使用STAR法则（情境、任务、行动、结果）进行结构化描述，突出你的技术选型和解决问题的思路
- 对于概念性问题（如RAG），先给出清晰定义，再解释其原理（如解决模型幻觉、知识时效性问题），最后可以举例说明
- 对于方案设计类问题，应分步骤阐述（需求分析、技术选型、架构设计、评估指标），并体现你对业务场景的理解
- 请介绍一个你做过的与AI相关的项目，重点说明你遇到了什么技术挑战以及如何解决的
- 你如何理解RAG（检索增强生成）？它解决了大语言模型的什么问题？
- 如果让你为我们团队设计一个内部知识问答机器人，你会考虑哪些关键步骤和技术选型？
- 你如何看待生成式AI在企业应用中的机遇和挑战？
- 回顾并准备一个完整的、你参与过的AI项目细节，特别是数据处理、模型选择和效果评估部分
职位点评
薪资福利65
成长发展92
工作生活55
使命价值70
薪资福利
65中等
作为跨国公司的实习岗位，薪资在市场合理水平，能提供基本的经济补偿，但实习期收入与正式员工有差距。
薪资信号市场水准 (4K-6K/月)
成长发展
92较高
该岗位核心在于学习和应用最前沿的生成式AI技术于真实企业场景，技术栈主流且实用，成长信号非常强烈。
技术前沿前沿/新兴技术
技术栈Generative AI、LLM、AI Agents、RAG、Prompt Engineering、Microsoft Copilot、LangChain、Semantic Kernel
成长机会开发和部署、设计和实施、构建和维护、开发工作流、创建Proof-of-Concept、评估和基准测试、协作、记录最佳实践
业务类型cost_center
工作生活
55较低
工作模式未明确说明，但考虑到实习岗位和半导体行业特性，现场办公的可能性较高，WLB情况未知。
工作模式未明确
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
70中等
在领先的半导体公司内部推动AI赋能工程与业务，有一定行业创新价值和社会影响力，但非直接面向终端用户的产品。
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、业务流程自动化
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