深圳·南山区
职位详情
【这是一份写给「技术理想主义者」的邀请函】
如果你厌倦了在互联网大厂做"推荐算法的调参工程师"，如果你渴望将AI技术刻进物理世界的底层逻辑——我们为你准备了一个绝佳的战场。
- 不是让AI推荐下一个视频，而是让AI看穿纳米级的信号噪声，预判芯片的生死；
- 不是优化点击率，而是优化价值千万美元的测试良率与效率；
- 不是处理标准化的图像文本，而是破解高速SerDes、PCIe5.0、DDR5等物理层协议的深层密码。
【关于昂科技术：在对标国际巨头的赛道上，我们缺一个「AI大脑」】
昂科技术成立于2013年，总部位于深圳，是全球TOP1芯片烧录设备与极具竞争力的芯片测试设备厂商，正努力通过“硬件-软件-数据-AI”全栈自研能力，改写芯片测试行业格局和未来。
【你将在昂科带队挑战的顶尖课题】
课题一：信号完整性（SI/PI）的智能诊断系统
1、技术深度：基于高速示波器/误码仪的原始波形数据（而非特征工程后的指标），构建端到端的信号质量评估模型。
2、物理层交叉：理解插入损耗、回波损耗、串扰、抖动（Jitter）分解的物理机制，让AI学会"像硬件工程师一样思考"。
3、核心挑战：小样本学习（高端芯片测试数据稀缺）、物理可解释性（黑箱模型无法用于判定芯片良率）。
课题二：测试向量的智能生成与压缩
1、技术深度：在ATE（自动测试设备）上，基于芯片网表（Netlist）和故障模型，用强化学习/生成式模型自动生成高覆盖率的测试向量（Test Pattern）。
2、价值体现：将数小时的测试时间压缩至分钟级，直接创造千万级经济价值。
3、核心挑战：组合爆炸（搜索空间巨大）、硬件约束（ATE通道资源限制）。
课题三：器件级失效预测与根因分析（Root Cause Analysis）
1、技术深度：构建多模态融合模型，联合分析测试参数（电压/电流/时序）、制造数据（Fab工艺参数）、物理失效分析（FA）图像。
2、技术价值：在芯片宣告"失效"前预判风险，或在海量失效数据中定位到纳米级的工艺缺陷。
3、核心挑战：极不平衡数据（良率99%意味着失效样本极少）、因果关系推理。
课题四：高速接口协议的智能解析与一致性测试
1、技术深度：针对PCIe、USB、Ethernet等协议，构建基于Transformer/GNN的协议状态机学习与异常检测系统。
2、创新点：让AI自动发现标准协议文档中未定义的"灰色地带"行为，提前拦截系统级兼容性问题。
【我们在寻找这样的「你」】
学术背景：
1、硕士及以上学历（博士优先），毕业于国内外顶尖高校，主修：电子工程、通信工程、微电子、自动化等（必须深入理解物理层/硬件），辅修/第二学位/研究方向：人工智能、机器学习、计算机科学；
2、或相反路径：AI专业出身，但有扎实的硬件项目经验（如自己做FPGA项目、参加电子设计竞赛、在芯片公司实习）。
技术能力：
1、AI基本功：深入理解深度学习框架底层（PyTorch/TensorFlow），不只是调用API；熟悉至少一个前沿方向（Agent、大模型、生成式AI、GNN、强化学习、小样本学习、物理信息神经网络PINNs）。
2、物理层硬知识：熟悉通信原理、数字信号处理（DSP），理解高速接口协议（PCIe、USB、DDR、MIPI C-PHY/D-PHY等）的物理层规范，具备示波器、误码仪（BERT）、网络分析仪（VNA）等仪器的使用或数据处理经验。
3、系统级思维：能将算法模型部署到边缘设备（FPGA/SoC），理解Latency、Throughput、Power的硬件约束。
兴趣潜力：
1、AI原住民：工作年限1-3年（在学术或职业生涯早期已展现出解决开放性难题的能力），或AI+硬件方向应届博士（已在高水平会议或期刊或竞赛等平台展现天赋）；
2、好奇心驱动：对"为什么这个芯片失效了"有打破砂锅问到底的执念；
3、工程务实：理解在工业界，一个95%精度但能实时运行的模型，远好于99%精度但需要跑一天的模型；
4、跨界沟通：能用AI的语言与算法团队交流，也能用硬件的语言与FPGA工程师、测试工程师对话。
【昂科为你提供的价值回报】
1、独特的技术生态位：全球稀缺的「AI+物理层」训练场；
2、极高的决策权和资源自主权：直接向CTO+CEO汇报，可结合当前业务痛点和未来规划，自主探索边界，让你的‘一身武艺“更易落地转化为商业价值；
3、个人技术品牌影响力建设：鼓励发表顶会论文，允许开源非核心算法，并代表昂科参与行业标准组织技术研讨会，与全球优秀工程师同台竞技交流；
4、薪酬与长期激励：对标大厂Offer，并配备股票长期激励，快速实现财富倍增。
如果你厌倦了在互联网大厂做"推荐算法的调参工程师"，如果你渴望将AI技术刻进物理世界的底层逻辑——我们为你准备了一个绝佳的战场。
- 不是让AI推荐下一个视频，而是让AI看穿纳米级的信号噪声，预判芯片的生死；
- 不是优化点击率，而是优化价值千万美元的测试良率与效率；
- 不是处理标准化的图像文本，而是破解高速SerDes、PCIe5.0、DDR5等物理层协议的深层密码。
【关于昂科技术：在对标国际巨头的赛道上，我们缺一个「AI大脑」】
昂科技术成立于2013年，总部位于深圳，是全球TOP1芯片烧录设备与极具竞争力的芯片测试设备厂商，正努力通过“硬件-软件-数据-AI”全栈自研能力，改写芯片测试行业格局和未来。
【你将在昂科带队挑战的顶尖课题】
课题一：信号完整性（SI/PI）的智能诊断系统
1、技术深度：基于高速示波器/误码仪的原始波形数据（而非特征工程后的指标），构建端到端的信号质量评估模型。
2、物理层交叉：理解插入损耗、回波损耗、串扰、抖动（Jitter）分解的物理机制，让AI学会"像硬件工程师一样思考"。
3、核心挑战：小样本学习（高端芯片测试数据稀缺）、物理可解释性（黑箱模型无法用于判定芯片良率）。
课题二：测试向量的智能生成与压缩
1、技术深度：在ATE（自动测试设备）上，基于芯片网表（Netlist）和故障模型，用强化学习/生成式模型自动生成高覆盖率的测试向量（Test Pattern）。
2、价值体现：将数小时的测试时间压缩至分钟级，直接创造千万级经济价值。
3、核心挑战：组合爆炸（搜索空间巨大）、硬件约束（ATE通道资源限制）。
课题三：器件级失效预测与根因分析（Root Cause Analysis）
1、技术深度：构建多模态融合模型，联合分析测试参数（电压/电流/时序）、制造数据（Fab工艺参数）、物理失效分析（FA）图像。
2、技术价值：在芯片宣告"失效"前预判风险，或在海量失效数据中定位到纳米级的工艺缺陷。
3、核心挑战：极不平衡数据（良率99%意味着失效样本极少）、因果关系推理。
课题四：高速接口协议的智能解析与一致性测试
1、技术深度：针对PCIe、USB、Ethernet等协议，构建基于Transformer/GNN的协议状态机学习与异常检测系统。
2、创新点：让AI自动发现标准协议文档中未定义的"灰色地带"行为，提前拦截系统级兼容性问题。
【我们在寻找这样的「你」】
学术背景：
1、硕士及以上学历（博士优先），毕业于国内外顶尖高校，主修：电子工程、通信工程、微电子、自动化等（必须深入理解物理层/硬件），辅修/第二学位/研究方向：人工智能、机器学习、计算机科学；
2、或相反路径：AI专业出身，但有扎实的硬件项目经验（如自己做FPGA项目、参加电子设计竞赛、在芯片公司实习）。
技术能力：
1、AI基本功：深入理解深度学习框架底层（PyTorch/TensorFlow），不只是调用API；熟悉至少一个前沿方向（Agent、大模型、生成式AI、GNN、强化学习、小样本学习、物理信息神经网络PINNs）。
2、物理层硬知识：熟悉通信原理、数字信号处理（DSP），理解高速接口协议（PCIe、USB、DDR、MIPI C-PHY/D-PHY等）的物理层规范，具备示波器、误码仪（BERT）、网络分析仪（VNA）等仪器的使用或数据处理经验。
3、系统级思维：能将算法模型部署到边缘设备（FPGA/SoC），理解Latency、Throughput、Power的硬件约束。
兴趣潜力：
1、AI原住民：工作年限1-3年（在学术或职业生涯早期已展现出解决开放性难题的能力），或AI+硬件方向应届博士（已在高水平会议或期刊或竞赛等平台展现天赋）；
2、好奇心驱动：对"为什么这个芯片失效了"有打破砂锅问到底的执念；
3、工程务实：理解在工业界，一个95%精度但能实时运行的模型，远好于99%精度但需要跑一天的模型；
4、跨界沟通：能用AI的语言与算法团队交流，也能用硬件的语言与FPGA工程师、测试工程师对话。
【昂科为你提供的价值回报】
1、独特的技术生态位：全球稀缺的「AI+物理层」训练场；
2、极高的决策权和资源自主权：直接向CTO+CEO汇报，可结合当前业务痛点和未来规划，自主探索边界，让你的‘一身武艺“更易落地转化为商业价值；
3、个人技术品牌影响力建设：鼓励发表顶会论文，允许开源非核心算法，并代表昂科参与行业标准组织技术研讨会，与全球优秀工程师同台竞技交流；
4、薪酬与长期激励：对标大厂Offer，并配备股票长期激励，快速实现财富倍增。
2026-05-15 12:40
IP属地：广东
职位福利
硕士经验不限多模态算法模型加速/性能优化通信算法C/C++PythonJava机器学习大模型算法算法工程化经验发表算法相关优秀论文参加算法相关竞赛/获奖优秀开源项目经历AI Agent芯片测试ATEPyTorch/TensorFlowClaude Code/Cursor
深圳市昂科技术有限公司
B轮 · 100-499人
工作地址
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
