采埃孚
Manufacturing Engineer - AI Solutions
Manufacturing Engineer - AI Solutions
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai Agent
Llm
Mes
Rag
Sap
制造业数字化
工业4.0
值不值得投
76综合评分
综合评分 76
跨国车企AI落地岗，技术前沿且跨界复合，职业发展潜力大，但需适应工厂现场工作环境。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.3万
比AI算法中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
62 个在招
市场机会
选择不多
上海 · AI算法 · 4 个在招
职位详情
关于这个职位
该职位是采埃孚（ZF）位于上海安亭工厂的制造工程师（AI解决方案方向），主要负责将业务需求转化为可落地的AI应用
核心工作包括构建和维护企业级AI平台（如LLM、RAG系统），开发支持制造运营和质量管理的AI应用，并将其与SAP、MES等企业系统集成，推动工厂的数字化转型
最低要求
计算机科学、人工智能、软件工程、机械工程、数字化或工业制造工程4.0等相关专业本科及以上学历
深入理解AI技术，包括大语言模型（LLMs）、AI Agent、RAG框架和向量数据库
熟悉Linux、Docker、Kubernetes及云/本地部署架构
具备Python开发实战经验和软件工程实践
了解制造工艺和工业应用场景
有汽车零部件或离散制造经验者优先
具备企业数字化、工业4.0或智能工厂项目经验者优先
具备强大的分析、解决问题及跨部门沟通能力
自驱力强，具备项目主人翁精神，能独立交付端到端解决方案，适应快节奏多学科环境
工作职责
收集业务需求，分析工作流程，根据实际和长期业务需求将运营需求转化为可扩展的AI解决方案
识别、评估并推动在制造、质量、工程和运营职能中实施高价值的AI用例
构建、部署和维护企业AI平台，包括大语言模型（LLMs）、知识库、AI代理和检索增强生成（RAG）系统
开发AI应用以支持制造运营、质量管理、知识管理和业务流程优化
将AI解决方案与企业系统（如SAP、MES、PLM、QMS）集成，实现无缝的数据连接和流程自动化
领导端到端的项目交付，包括方案设计、部署、测试、验证和生产上线
提供用户培训、技术支持和持续的系统优化，确保成功采用和业务价值实现
作为业务与技术团队之间的桥梁，推动AI能力发展和数字化转型倡议
AI 洞察
优缺点分析
优点
- 稀缺的复合型人才机会：兼具AI技术与传统制造背景的人才在市场上极具竞争力
- 头部平台背书：采埃孚作为全球顶级零部件供应商，提供稳定的职业平台和国际化视野
- 前沿技术应用：直接参与LLM、RAG等最新AI技术在实体产业中的落地，技术含金量高
- 业务价值可见：AI成果直接服务于生产一线，容易量化业务贡献，成就感强
- 跨界难度高：需要同时懂代码和制造流程，学习曲线陡峭，需快速补齐行业知识
- 落地阻力大：在传统制造业推行新技术可能面临旧系统兼容难、一线员工接受度低等问题
- 现场工作环境：需在工厂实地工作，可能涉及倒班或嘈杂环境，与纯互联网办公室体验不同
- 期望管理：业务部门对AI效果期望过高，需具备优秀的预期管理能力
- 适合既热爱AI技术又对实体经济/制造业感兴趣，具备极强落地执行力和跨学科沟通能力的复合型工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向深化：成为制造业AI专家或首席AI架构师，主导更复杂的智能化转型项目
- 横向拓展：转向更广泛的数字化转型管理角色，如智能制造总监或IT解决方案负责人
- 技术专精：在垂直领域的AI应用（如预测性维护、智能质检）形成行业标杆案例
- 负责将制造业务痛点转化为AI技术方案，设计并落地LLM、RAG等前沿AI应用
- 搭建和维护企业级AI基础设施，包括模型部署、知识库构建及Agent开发
- 打通AI系统与SAP/MES等现有企业IT系统的集成，实现数据闭环和流程自动化
- 作为技术与业务的翻译官，推动AI技术在工厂场景的实际应用和价值变现
- 扎实的AI工程能力：精通Python，熟悉LLM微调、RAG架构、向量数据库及Agent开发
- 运维与部署能力：熟练掌握Docker、Kubernetes及Linux环境下的模型部署
- 行业领域知识：理解制造业工艺流程，熟悉SAP、MES等ERP/MES系统逻辑
- 软技能：具备极强的跨部门沟通能力和项目全生命周期管理能力
申请策略
- 准备一个完整的‘业务问题->AI方案->落地结果’的案例故事
- 面试中展现对传统制造业数字化转型痛点的深刻理解，而不仅仅是炫技
- 突出AI项目落地经验：重点描述LLM/RAG项目的具体指标（如准确率提升、效率优化百分比）
- 强调系统集成能力：展示如何将AI模块嵌入到SAP、MES等大型系统中
- 体现行业理解：若有制造业实习或工作经验，务必详细列出对工艺流程的理解
- 展示全栈思维：从需求调研到部署运维的全流程项目经历
- 强化Prompt Engineering和RAG优化技巧，这是当前LLM应用的核心
- 补充工业物联网（IIoT）基础知识，了解传感器数据如何接入AI模型
面试指南
- STAR法则：情境-任务-行动-结果，重点突出量化成果
- 技术深度+业务广度：回答技术问题时，始终关联其对业务指标（如OEE、良率）的影响
- 务实态度：承认技术局限性，强调迭代优化和人工辅助的重要性
- 请分享一个你使用LLM或RAG解决复杂业务问题的具体案例，遇到的最大挑战是什么？
- 如何将非结构化的工厂文本数据（如维修手册、日志）转化为可用的知识库？
- 在资源受限的工厂环境中，如何优化AI模型的推理速度和成本？
- 如果业务部门提出的AI需求不切实际，你会如何沟通和引导？
- 你如何保证AI系统在SAP/MES集成过程中的数据安全和稳定性？
职位点评
薪资福利80
成长发展85
工作生活60
使命价值75
薪资福利
80较高
作为已上市的跨国巨头，采埃孚能提供具有市场竞争力的薪酬和完善的福利体系，满足求职者对稳定性和经济回报的需求。
薪资信号未披露（AI估算：2.5千–4.0万/月）
成长发展
85较高
职位涉及LLM、RAG等前沿AI技术在真实工业场景的落地，技术含量高且跨界性强，能为简历增添极具价值的复合经验。
技术前沿前沿/新兴技术
技术栈LLM、RAG、AI Agents、Python、Kubernetes、Docker
成长机会Individual Growth、accelerate your career、global development opportunities
业务类型profit_center
工作生活
60中等
虽然提到灵活的工作环境，但基于工厂现场办公性质及项目交付压力，WLB可能不如纯互联网公司理想，需做好一定强度的心理准备。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
75中等
通过AI技术推动制造业的绿色、安全发展，符合可持续出行和工业升级的社会价值导向，具有一定的使命感。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号shape future mobility and sustainable systems、safer, cleaner, affordable mobility
创新程度积极采用新技术
采埃孚 的其他在招职位
相似职位推荐
Watch Jobs