【一、职位概述】 兼具前沿 AI 工程创新能力和工业领域理解的技术领军专家，担任 AI 技术带头人（工业软件与垂类大模型方向），主导“应用软件 + AI”融合技术战略在 IT 开发服务和工业软件产品研发的落地实施。 依托核心工业软件系统，和团队共同构建面向设计、仿真、制造、运维等关键场景的 AI 能力，推动工业垂类大模型在知识管理、智能辅助设计、工艺优化、故障诊断等环节的深度应用，打造具备行业壁垒的 下一代智能化工业软件产品。 【二、核心职责】 1. AI 时代，新技术方向引领与探索 • 在 AI 时代下，2B 软件服务和产品研发模式的转型升级、创新和实践制定“工业软件 + AI”融合发展的中长期技术路线图，覆盖 CAD、CAE、PLM、MES 等产品线的智能化演进路径； 探索大模型在工程语义理解、图纸结构化解析、工艺知识推理、自然语言交互式设计等场景的创新模式； 跟踪 AIGC、Agent、多模态、小样本学习等前沿趋势，评估其在工业场景中的可行性与商业价值。 2. 软件开发和软件产品研发效能革新与工具链建设 • 构建面向研发全流程的 AI 增强工具链，比如：代码自动生成与补全（AI Coding Assistant）；智能测试用例生成与缺陷预测；需求文档理解与结构化分析等 • 构建工业领域知识图谱，支撑智能搜索、设计推理与决策辅助系统； • 推动传统算法模块的 AI 化替代，提升计算效率与泛化能力。 3.垂类大模型研发与工程化落地 • 主导构建面向制造业/工程领域的工业垂类大模型（Domain-Specific LLM），包括： 工业语料清洗、标注与知识库构建； 领域适应训练（Domain Adaptation）、指令微调（SFT）及参数高效微调（LoRA/P-Tuning）； RAG 系统设计，实现技术文档、维修手册、设计规范的智能检索与生成； Agent 架构开发，支持智能设计助手、自动报告生成、异常分析决策等复杂任务。 • 推动模型轻量化、边缘部署与私有化交付，满足工业现场对低延迟、高安全、可解释性的严苛要求。 4. 团队 AI 赋能与技术治理 • 指导跨职能 AI 团队（算法、数据、MLOps）的技术创新、前沿应用探索； • 建立标准化的 AI 研发流程，涵盖数据治理、模型训练、评估、部署与监控全链路（MLOps 体系）； • 设计分层次的 AI 能力建设体系，主导开发含 Prompt 工程、微调实践、RAG 构建 等内容的内部培训课程； • 指导技术骨干完成关键项目实战，提升团队整体 AI 工程化水平。

【三、任职要求】 1. 基本条件 • 学历背景：计算机、人工智能、自动化、机械工程、工业工程等相关专业 统招本科及以上学历，大学毕业最好，学院的不太看，博士优先； • 工作经验： 5 年以上 AI/机器学习研发经验，具备在工业软件、智能制造、工程仿真等领域成功落地 AI 项目的实战经历； 至少 2 年以上独立技术负责或项目创新经验，主导过 3 个以上 AI 产品从 0 到 1 的全生命周期项目； • 技术能力： 精通 PyTorch/TensorFlow 框架，具备大型模型训练调优与性能瓶颈分析经验； 熟悉工业软件技术栈，如 QT、OpenGL、COM/DCOM、.NET、C++/C#，具备与传统软件系统集成的能力； 熟练掌握大模型核心技术：Transformer、LoRA/P-Tuning、RAG、Agent 框架（如 LangChain、LlamaIndex）； 具备 MLOps 实践经验，熟悉 MLflow、Kubeflow、Prometheus 等工具链； 了解 ONNX、Triton、TensorRT 等模型部署方案，支持边缘与私有化场景。 2. 核心能力 • 具备技术商业化思维，能精准评估 AI 投入产出比，优先推进高价值场景落地； • 拥有 AI 领域持续学习与输出能力，需定期撰写技术洞察报告，跟踪行业趋势与竞争动态； 3. 优先条件 • 有工业软件 AI 改造的成功案例（如智能设计助手、自动出图、工艺推荐等）； • 在 NeurIPS、ICML、ICLR、ACL、KDD、IISE、IEEE CASE 等顶会/期刊发表论文，或持有 AI+工业相关发明专利； • 参与过知名工业大模型项目（如华为盘古工业、百度云工业大模型、阿里通义·工程等）； • 熟悉功能安全标准（如 IEC 61508）、数据合规要求（如 GDPR、ISO 27001）； • 有 ToB 工业软件从 0 到 1 的产品化经验，或主导过客户级交付项目。