AI系统架构师

岗位职责 1. AI系统整体架构设计：主导企业级AI系统全链路架构规划，覆盖大模型应用架构、数据架构、算力架构、部署架构四大核心模块，结合业务战略制定技术路线图，兼顾系统性能、稳定性、可扩展性与成本控制，支撑大模型、多模态、AI Agent等核心技术规模化落地。 2. 技术选型与架构落地：负责AI技术栈的整体选型工作，包括大模型（开源/自研）、分布式训练框架、推理加速工具、云原生组件、数据治理平台等；主导架构方案的原型验证与实施落地，突破跨部门、跨系统的集成难题，推动架构标准统一与规范执行。 3. 大模型与业务融合架构设计：深入理解消费互联网、产业互联网等垂直领域业务需求，设计大模型与业务系统的融合架构，涵盖RAG检索增强、Function Call能力封装、多智能体协同机制、大模型与传统系统接口对接等方案，保障AI能力高效嵌入业务流程，实现技术价值转化。 4. AI工程化体系搭建：统筹构建MLOps全流程体系，打造模型训练、部署、监控、迭代的一体化流水线；设计算力调度与资源优化架构，融合智算集群、液冷技术、云边协同策略，提升算力使用效率，降低AI系统运维开销。 5. 技术战略与跨团队统筹：跟踪全球AI前沿技术进展与行业实践，制定技术创新路径与风险应对策略；协调算法、工程、产品、数据等多职能团队，推进架构方案执行落地，沉淀架构方法论与技术资产，引领团队技术能力持续提升。 核心技能 - 架构设计能力：掌握AI系统架构设计方法论，深入理解大模型、分布式系统、云原生、数据治理等关键技术原理，能够独立完成从需求分析到架构设计、落地复盘的端到端工作。 - 技术栈掌控力：熟悉主流大模型（开源/商用）特性及其适用场景，掌握DeepSpeed、vLLM、TensorRT-LLM等训练与推理工具；精通Docker/K8s云原生技术，了解分布式数据库、向量数据库、消息中间件等组件的选型与应用。 - 工程化与落地能力：具备扎实的AI工程化思维，熟悉MLOps体系建设与运维实践；了解算力集群规划、绿电调度、液冷数据中心等基础设施技术，能从架构层面实现系统性能与成本的双重优化。 - 业务与技术融合能力：善于深度解析业务需求，将AI技术与垂直场景（如电商、医疗、工业、自动驾驶等）紧密结合，设计可实施、可演进的架构方案，具备跨行业架构经验者优先。 加分项 - 主导过自研大模型架构设计或大型企业级AI平台建设项目，拥有亿级参数大模型落地的架构规划经验，具备独立解决复杂架构问题的能力。 - 在AI架构、分布式系统、云原生等领域拥有专利成果或顶会技术分享经历，曾为开源AI架构工具、框架贡献核心代码，或在技术社区具有一定影响力。 - 具备跨行业AI架构设计背景，熟悉不同业务场景下AI系统的适配关键点，能快速响应业务迭代与技术升级需求，制定灵活可调的架构策略。 - 熟悉AI合规与数据安全架构设计，能够依据国内外法规要求（如个人信息保护法、GDPR等）进行架构优化，确保系统合规运行。 - 拥有技术管理经验，能够带领架构团队制定技术发展规划，推动跨部门协作，同时具备较强的技术前瞻性，可预判行业趋势并提前布局。