1、企业级 AI 战略规划与落地： ·负责制定科室甚至公司级的 AI 和大模型技术演进路线图（3-5年），将 AI 能力深度嵌入研、产、供、销、服的全价值链。 ·建立大模型应用的价值评估体系，负责重大 AI 项目的立项、资源调配及全生命周期管理，确保技术投入转化为实际的业务增量或成本降幅。 ·主导与头部大模型厂商、科研院所及开源社区的战略合作，构建车企特有的 AI 生态圈。 2、行业前沿技术探索： ·持续跟踪 LLM、多模态、智能体（Agent）的最新突破 ·主导前瞻性技术的快速迭代与原型开发，验证 SLM（小参数模型）端侧部署、多模态感知融合等前沿技术在汽车场景的可行性。 3、企业级 LLMOps 平台建设： ·从零到一构建并管理支持多模型（开源/闭源）、多模态的大模型底座平台。 ·设计高效的 RAG (检索增强生成) 架构，解决大模型在垂直领域知识缺失和“幻觉”问题。 ·建立完善的 Agent 编排框架，使大模型能够调用企业内部接口（如 SAP, MES, CRM 等）完成闭环任务。 4、工程化与性能优化： ·制定模型推理加速、高并发处理及成本控制（Token 调度与缓存策略）的工程方案。 ·构建自动化的模型评估体系，量化大模型在不同业务场景下的表现。 5、数据资产治理与安全： ·设计面向大模型的非结构化数据清洗、向量化及动态更新流程。 ·在私有化部署环境下，确保数据脱敏、内容审查及访问控制符合合规要求。 6、业务战略对齐： ·评估各业务部门的需求，判断其是否具备“大模型价值”，剔除那些为了AI而AI的伪需求。 ·定义技术路线图，决定何时使用微调（Fine-tuning），何时仅依靠 Prompt Engineering 或 RAG或其他技术方案。

1、国内大学统招本科及以上学历，或已取得教育部留学服务中心认证的“学历学位认证书”的本科及以上学历留学生，计算机或相关专业。 2、核心技术背景： ·5 年以上 AI 或大规模分布式系统架构经验。 ·深度理解 Transformer 架构、主流开源模型（Llama, Qwen, DeepSeek 等）的特性。 ·精通主流大模型开发框架。 3、工程实践能力： ·有实际落地过生产环境下的大模型应用经验，熟悉模型量化、剪枝及 Triton/vLLM 等推理框架。 ·具备深厚的后端工程能力，精通 Python/Go/Java，对向量数据库有深入研究和实用经验。 4、架构思维： ·能够从系统论角度思考问题，平衡技术先进性与业务稳定性，具备处理海量异构数据和复杂系统集成的经验。 5、战略与前瞻视野： ·具备卓越的技术洞察力，能够从前沿论文和工程实践中识别出真正具备商业潜力的内容。 ·具有大型组织（如互联网大厂、全球性制造企业）的 AI 数字化转型实操经验，有能力与业务方及决策层进行深度技术沟通。 6、其他： ·有汽车行业背景或大型制造业数字化转型经验者优先。 ·在顶会（NeurIPS, ICML, ICLR 等）发表过论文或有知名开源项目贡献者优先。 *工作地点、社保缴纳地都可以根据人选情况沟通