AI高级架构师

1. AI整体架构规划 负责公司AI平台和应用的整体架构设计，制定AI技术演进路线图，确保架构的前瞻性、扩展性和高可用性 深入理解业务需求，设计端到端的AI解决方案（涵盖数据采集、数据预处理、模型训练、模型评估、模型部署、推理服务、监控反馈全链路），输出技术解决方案 统筹管理AI项目全生命周期（从需求分析、技术选型到落地交付），把控技术风险，协调算法、工程、产品、数据等团队高效协作，确保项目按计划推进 2. 技术选型与基础设施建设 主导AI基础设施（GPU集群、分布式训练框架、模型仓库、特征平台等）的规划与建设，持续优化资源利用效率 负责AI研发平台（标注平台、训练平台、推理平台、MLOps平台）的架构设计与落地，推动AI开发标准化的流程体系建设 持续跟踪AI领域前沿技术（大模型、多模态、Agent、AI Infra等），推动新技术在业务中的落地应用 负责产研测AI转型工具的开发及落地 3. 模型全生命周期管理 建立并持续完善MLOps体系，涵盖模型版本管理、CI/CD/CT自动化流水线、模型监控告警、模型A/B测试、模型上线与灰度发布等机制 建立模型效果持续迭代机制，推动基于数据飞轮（数据回流、主动学习、人工反馈强化学习等）的模型持续优化闭环 4. AI模型训练优化及工程落地 负责AI模型的核心研发工作，包括但不限于数据清洗与预处理、特征工程、模型选型、训练调参、效果评估及持续优化 负责AI平台（标注平台、训练平台、推理平台）的功能开发和日常维护，优化平台易用性和稳定性 负责训练数据体系的建设，制定数据标注规范和质量标准，推动数据飞轮和模型迭代闭环的建立 跟进前沿AI技术，将最新算法（大模型微调、多模态对齐、强化学习等）落地到实际业务场景中，解决真实业务问题 负责AI推理服务的开发与维护，将训练完成的模型封装为高性能、高可用的在线/离线服务（RESTful API、gRPC、流式服务等），保障线上服务的稳定性 负责模型服务的性能压测、瓶颈分析和容量规划，持续优化服务吞吐和延迟，保障SLA 5. 团队管理与人才培养 负责AI及数据团队的建设与管理，制定团队中长期发展规划和人才梯队建设方案 指导并培养团队成员（算法工程师、AI平台工程师、MLOps工程师等），参与核心代码审查，把控关键技术决策；通过技术分享、代码审查、项目实战等方式提升团队整体技术能力 建立AI研发的标准化流程和规范（代码规范、文档规范、发布流程、质量红线等），推动团队研发效能持续提升 【任职要求】 1、基本条件 全日制本科、硕士学历；人工智能、计算机科学、数学专业 5年以上AI算法/模型开发经验，2年以上AI架构设计经验 有中大规模AI平台的架构设计和落地经验 2、硬性技能 AI框架与工具：精通TensorFlow/PyTorch/JAX等至少一种深度学习框架，熟悉DeepSpeed/Megatron-LM等分布式训练框架，熟悉MLFlow/Kubeflow/MLOps等平台工具 编程能力：精通Python、C++或Java，具备扎实的工程落地能力，有良好的代码设计和系统架构功底 算法理解：熟悉常见机器学习、深度学习算法，了解大模型（LLM）训练、微调（SFT/RLHF）、推理优化等相关技术 数据处理：熟悉大数据处理框架（Spark/Flink等），了解特征工程、数据管道、数据质量保障等技术 有AIGC/Agent/RAG/ChatBI等方向的实际应用落地经验 云原生与分布式：熟悉Kubernetes、Docker等容器化技术，具备大规模分布式系统设计经验，熟悉微服务架构、消息队列、缓存、负载均衡等 MLOps实践：深刻理解MLOps理念，有完整的MLOps体系搭建和落地经验，熟悉CI/CD/CT在AI领域的实践 3、软性素质 具备优秀的跨团队沟通协调能力和技术影响力，能够有效推动复杂项目的落地 强烈的技术热情和自驱力，持续跟踪前沿技术动态，具备技术判断力和决策能力 良好的逻辑思维和解决问题的能力，能够从系统工程视角进行全局思考 有团队管理或技术导师经验，能够有效指导和培养团队成员