1 前沿技术跟踪与趋势研判 1.1 持续跟踪大模型推理优化（如投机解码、PD分离、量化压缩）、多智能体协同（如 Multi-Agent Orchestration）、模型轻量化（如蒸馏、剪枝、低秩分解）等前沿方向，每季度输出《AI前沿技术趋势洞察报告》 1.2 参加NeurIPS、ICML、ACL等顶级会议及行业峰会，与高校、研究机构建立常态化技术交流机制 1.3 识别对汽车研发有重大影响的技术突破点，形成《技术机会评估与导入建议》 2 技术潜力评估与场景匹配 2.1 针对识别的前沿技术，设计汽车研发场景适配性评估框架（技术成熟度、业务价值、落地成本三维度） 2.2 组织跨部门技术评审，评估新技术在需求分析、造型设计、代码生成、仿真预测等场景的应用潜力 2.3 输出《技术可行性验证方案》，明确验证目标、指标、资源需求与时间计划 3 技术预研与原型验证 3.1 主导关键技术原型开发（POC），验证新技术在真实研发场景中的效果与边界 3.2 设计并执行对比实验，量化新技术相比现有方案的性能增益（如推理速度、准确率、资源占用等） 3.3 针对验证不达预期的技术，输出根因分析报告；针对验证成功的，输出《工程化落地建议书》 4 技术落地路标规划 4.1 结合公司战略与业务需求，制定AI前瞻技术短中长期（1-3-5年）落地路标 4.2 识别技术落地的关键依赖与风险（算力、数据、人才、供应链等），提出应对策略 4.3 推动将成熟技术纳入“星云”平台能力清单，支撑业务场景规模化应用 5技术影响力与团队赋能 5.1 沉淀前瞻技术研究的方法论与最佳实践，形成内部技术规范与知识资产 5.2 每季度组织一次前沿技术内部分享会，每月输出《技术雷达》简报 5.3 指导中级技术人员开展技术调研与验证工作，培养团队技术视野与创新能力

1. 硕士及以上学历, 计算机科学、人工智能、机器学习等相关专业。 2. 精通LLM底层原理（Transformer、Attention、MoE等）及推理优化技术；熟悉主流Agent框架（LangChain、AutoGen等）及多智能体协同机制；具备模型压缩（量化、蒸馏、剪枝）工程化经验；熟悉PyTorch/TensorFlow等框架；有顶会论文或专利者优先。 3. 熟悉汽车研发核心流程（如需求定义、软件架构、仿真测试等），能将技术潜力与业务痛点快速关联。 4. 具备系统性思维与技术前瞻视野，优秀的跨团队沟通与影响力，结果导向，能独立推动技术落地。 5. 具有严谨的逻辑思维,重视技术文档的编写与沉淀。 6. 5年以上AI领域研发经验，其中3年以上前沿技术跟踪或研究岗位经验；有汽车行业背景者优先 7. 良好的沟通、组织、协调能力；具备统筹优化能力。