AI架构师

一、岗位职责 1.负责公司AI平台与应用的顶层架构设计，覆盖从算法模型、推理服务、数据链路到边缘端/云端部署的全栈技术方案，支撑业务规模亿级请求与PB级数据处理。 2.主导大语言模型（LLM）、多模态模型、CV/感知算法的选型、微调、蒸馏、量化与工程化集成，将前沿算法转化为可交付的生产系统。 3.针对GPU/NPU/异构算力场景，设计推理加速方案（TensorRT、vLLM、CUDA/Triton、算子融合、KV-Cache优化、MoE路由优化），实现吞吐、延迟、成本的最优平衡。 4.搭建MLOps/LLMOps平台，涵盖模型训练、版本管理、A/B实验、灰度发布、监控告警、回流迭代的完整闭环。 5.制定AI技术路线图，评审关键架构决策，指导高级工程师与算法工程师，跨部门拉齐技术标准。 二、任职要求 1、计算机、人工智能、自动化等相关专业硕士及以上学历，10年以上AI/算法相关经验，5年以上架构经验。 2、精通深度学习理论与工程实践，熟悉Transformer、CNN、RNN、Diffusion、MoE、RLHF等核心架构及其演进逻辑。 熟悉大模型训练范式：预训练、SFT、DPO/PPO、LoRA/QLoRA、分布式训练（DeepSpeed、Megatron、FSDP）。 理解算法边界与失效模式：能从数据分布、长尾、漂移、对抗鲁棒性角度判断模型落地的真实风险。 3、具备从0到1设计大规模规模AI应用系统的经验，能输出清晰架构图与权衡分析（吞吐/延迟/一致性/成本）。 4、精通RAG、Agent、Function Calling、多智能体编排等LLM应用架构模式，熟悉LangChain/LlamaIndex/AutoGen等生态并理解其局限。 5、熟悉向量数据库、特征存储、模型 registry、推理网关等关键组件的选型与边界。 6、具备领域驱动设计（DDD）思维，能在AI能力与传统软件系统之间做清晰的边界切分。 7、深入理解GPU体系结构（Tensor Core、Memory Hierarchy、Kernel融合），能独立进行CUDA/Triton算子级优化。 8、熟练使用推理框架：vLLM、TensorRT-LLM、TGI、ONNX Runtime、OpenVINO，掌握PagedAttention、Continuous Batching、Speculative Decoding等加速技术。 9、熟悉模型压缩全栈：INT8/INT4量化、FP8、剪枝、蒸馏、稀疏化，理解精度-性能-成本三角的工程权衡。 10、具备云原生部署经验：Kubernetes、Ray、KubeRay、Service Mesh、GPU调度与弹性扩缩容。 11、熟练使用Python/C++/Go，能阅读论文并快速复现，具备扎实的系统设计与代码评审能力。 12、熟悉MLOps工具链：MLflow、Weights & Biases、Kubeflow、Airflow。 13、具备跨团队协作与高层汇报能力，能用业务语言向非技术决策者讲清技术投资回报。 14、有过0→1团队搭建或核心技术骨干培养经验者优先。 三、加分项 1、主导过千万级DAU/亿级调用量AI系统上线，并能提供可量化的性能/成本优化成果。 2、在自动驾驶、智能座舱、机器人、边缘AI等嵌入式场景有落地经验，熟悉模型上车/端侧部署。 3、顶会论文（NeurIPS/ICML/CVPR/ACL等）或开源项目核心贡献者。 4、熟悉国产大模型与算力生态（通义、智谱、昇腾、寒武纪等）的工程适配。