大家好， 我目前是美东某大公校机械工程PhD在读（2022/01-2025/12），有master学位，研究方向比较偏，也不是主流ML那一类。我现在的研究主要集中在 机器人、外骨骼、控制、机器学习等领域，涉及强化学习、脑机接口（BCI）、人机交互等方向。编程方面熟悉Python、C++、MATLAB，也用过 TensorFlow、PyTorch、ROS等工具。
实习求职经历回顾
2024年下半年到25年初，我投了大约100个实习，几乎覆盖了我能想到的所有相关领域，包括机器人、车企/自动驾驶、医疗器械、AI+硬件、半导体、制造业等。但是结果非常惨淡，要么直接被拒，要么就是完全没有回应（Ghosted），Google Hardware的Team Match到现在还在池子里 
。
在投递实习的过程中，我也试过调整简历，在LinkedIn找hiring manager发消息等策略，但仍然颗粒无收。每次刷邮件都感觉自己又被无情拒绝了一次，心态也越来越崩，开始怀疑自己的背景和能力是不是有很大问题。
我的背景问题：
- 我老板给我的topic要么是钻牛角尖，做几乎没人会想去做的东西，要么就是在追赶潮流当缝合怪，而且我感觉会不会是我的背景太偏向学术，而且大学毕业以来都没有在工业界实习过（老板也不让实习），所以不够符合工业界需求or导致申请的岗位不太匹配？
- 申请的领域是否太广，应该更聚焦某些方向？
求职策略问题：
- 投了这么多简历却毫无回音，是否哪里有硬伤？简历、求职信需要如何改进？
- 是不是应该更侧重内推，而不是海投？但如果没有强力内推的话，该怎么办？
- 面试机会极少，如何提高拿到面试的概率？
未来方向问题：
- 现在实习已经无望，是否应该直接冲全职？但博士毕业时间是2025年12月，现在就申请全职会不会太早？
- 如果要补充经验或者技能，什么最重要？
- 是不是应该考虑转方向，比如更偏AI/ML、数据科学？
五月开完题之后认真修改了自己的简历，从6月开始投简历，到10月终于拿到几个口头offer，这几个月的经历就像又读了一遍“Industry入门速成班”，踩坑无数，也成长很多。想在这里把整个过程，一些心得，和面经分享给大家，特别是机械工程的PhD同学。我觉得我这次求职主要有以下三个阶段。
第一阶段：摸索与碰壁（6–7月）
6月刚开始投简历时，其实还没想清楚要走哪条路。那时候学术工作没完全收尾，一边写论文一边试着投各种岗位，什么consulting、data、ML、robotics都尝试了一遍。
最早接到的几个面试是纽约那边的 Consulting公司。流程正规，但要写很多report、case study。面下来发现不太适合自己——太偏business communication了，和我喜欢的技术路线差别太大。
接下来开始尝试偏技术岗，六七月份勉勉强强拿了几个面试：
-
Meta：拿到的第一个大厂的面试，可是我没有认真准备leetcode，可能也就刷了几十题。两个coding题（两个medium），写得磕磕绊绊，写出了95%吧，最后还是挂了。
-
Western Digital：第一个拿到onsite的面试。先是Hiring Manager聊背景，然后Onsite四轮+一个team lunch。问题偏firmware和embedded control，涉及底层寄存器和protocol，这块我不是强项，再加上是第一次Onsite，准备得也不充分，最后没拿到offer。
-
Nestle Senior Data Engineer：主要考data pipeline、ETL、cloud platform、SQL，其实我也不知道怎么拿到面试的，但是这些都不是很会，也就挂了。
-
Motional（自动驾驶）：Machine Learning Engineer，聊得挺technical的，但是印象里和HM有一个问题有点争执，后面也就被ghost了。
-
这期间偶尔能拿到几个startup的面试，但都无疾而终，我觉得有一部分原因是我年底才能开始工作。
同时我也尝试了几家更贴近自己背景的岗位：
-
Xpeng：Staff RL Engineer，HM面完之后，VO第一轮问了很多reinforcement learning基础（policy gradient、reward shaping、PPO等），第二轮是一道hard coding题，没写出来给我挂了；
-
Tesla：MLE，跟HR面完之后是两轮tech，过了才能onsite。第一轮问control（MPC之类的），还考了一个自动驾驶刹车设计问题；第二轮问了很多ML问题，也让我写CNN，写得不理想，没能进入Onsite；
那时候真切体会到一个现实：不管research做的多好，coding永远是第一道门槛。我一个机械背景的PhD，脑子里全是system modeling、control loop、数学推导，但industry面试考的是写不写得出、跑不跑得通。跟老板说了这个问题，他跟我说：Well, faculty interview不会考你coding。
于是从7月中下旬开始，我痛定思痛，开始系统补coding，从data structure到LeetCode，从Python到C++，每天写题、debug、复盘。那是我第一次认真“重启”自己的工程思维。
第二阶段：冲刺阶段（8–9月）
进入8月后，面试暴增。coding提升了一些，但新的问题又来了：每家公司要的方向都不一样——perception、control、system integration、RL，各有侧重。那段时间几乎每天都在面、写、改、复盘。这中间也渐渐能看出来哪些job post是ghost的，投了也一点用没有，也有不少公司HR打完电话就失踪了，不乏很多想去的公司 
几个印象比较深的：
-
Deloitte / Senior Perception Engineer：德勤收购了一家无人系统公司，岗位偏perception。最吸引人的一点是fully remote！考了kalman filter，系统设计，聊得还不错，但最后他们选了对无人机视觉感知更熟的人，我的经验还是偏human/legged robot方向。
-
Horizon Robotics：问了很多policy learning、RL algorithm trade-off，偏research。我的RL研究比较初步，工业落地经验少，没拿下。
-
Rivian / Volkswagen Group Technology：这是我最难受的一次。岗位是Control Engineer，前几轮都很顺，panel当场夸我communication好，对Kalman Filter理解很深入。最后一轮panel是个三姐，让我用C写一道题。虽然C最近不常写，但我还是写出来并debug通过，她当场还夸“very good”。结果两天后HR发拒信，说“C foundation不够强”。这次真挺心痛的，也第一次体会到“阿三的阴险”……
-
Roboforce（湾区startup）：机器人startup，但他们更想找mechanical design的人，还要和supply chain打交道，不是我想要的方向。
-
GM（General Motors） Senior Perception Engineer：面到最后panel，考了AMR机器人系统设计和KNN。HR说feedback “very positive”，只是在等interview wrap up，结果过了两周还是拒了，估计竞争太激烈，更想要做CV厉害一点的人。
-
蚂蚁 Robotics Team：HR跟我说要面4-5轮。第一轮写出了一道hard级coding题，第二轮主要聊project。第二轮的面试官跟我说他们更关注VLM/VLA方向，觉得我太偏传统控制，没过。
-
Covera Health：第二轮live coding体验非常糟糕。三哥面试官上来不打招呼，直接发Jupyter Notebook让我debug regression pipeline。最后就差几行快写完时，被打断说“time’s up”。心情复杂，让我更讨厌阿三了。
-
Ford Research Engineer：期待很久的面试。两个小时的slot只考了一个小时的behavior，全是BQ，十几题连着问。对new grad外国人来说挺难的。还没出结果，估计凉了。【2025/20/28 Update】Ford竟然也给offer了，base在MI，有点迷茫了。
这一阶段最大的感受是：
面得不错但总差一点，比直接挂还难受。
但这些面试让我逐渐更清楚自己想要什么：
不是纯data，也不是consulting，而是能结合robotics、control和machine learning的岗位。
最终阶段：收获与反思
到了十月终于能收到offer了，也开始对面试不紧张。现在终于也算是属于骑驴找马了，不想去的公司或者title直接不面了，只面大厂和MLE/Research Scientist相关的职位。
-
公司A：华人公司，两轮面试，第一轮聊项目还行，panel和Tech Lead、VP、CTO面试，感觉流程很混乱，面我的人自己也不懂技术，管理风格不太尊重人，一直打断我说话，面试体验非常差。虽然拿到了offer，但没打算接。【确定去哪儿再把名字写出来
】 -
PhysicsX：英国startup，美国base在NYC。OA全是ML理论题，难度中等，体验不错。HR最后说他们暂时不sponsor。准备继续面。
-
公司B：还不错的startup，MLE岗。体验非常好，三轮面试，每轮半小时项目+半小时coding，完全不考LeetCode，都是ML/项目相关的coding。整体氛围专业、节奏快，最后也拿到了offer，算是阶段性成果。【大概率会去】
-
Intuitive：motion control相关，面试特别特别长，HM面完后要做一个take home project，然后两小时live coding，过了才能一天的on-site。
-
Geico：ML Research Scientist。才刚开始面，后面来补上。
-
VisionNav Robotics：Recruiter联系的，看上了他的fully remote，面完了再来补充。
回头看这几个月的找工经历，其实比做一篇论文还折腾。
从最初的混乱，到被coding面试打醒，再到后来一点点调整方向，整个过程就像把自己再训练了一遍。其实对像我这种工科PhD来说，最大的收获不是知识，而是思维方式的转换。这几个月的核心感悟大概有三点：
-
心态要切换
Research讲究完整性：tell a good story，Industry讲究落地性。很多时候不是做出最优，而是能讲出你的想法，你的东西能跑、能改、能交付。 -
Coding！Coding! Coding!
无论你做robotics、control、还是ML，写代码的能力永远是第一关。LeetCode、Python、C++、system design都要去了解。 -
找工方向要聚焦
一开始我什么都试，因为看JD什么都跟自己匹配，但其实是处处半匹配。后来才明白，找工跟做科研一样，focus matters。对我来说，就是robotics, control, motion planning, ML。领域虽小，但那是我真正的积累。
接下来也会持续更新我后面的面经。
我的确是每个role都准备了一份简历，四位数也太夸张了 
好在phd老板还能养我一阵 
