1. 技术引领与创新 ①主导关键技术攻关：聚焦视觉检测、质量管理、故障预测、经营分析及大模型等核心AI方向，牵头锂电垂直领域大模型的关键技术突破，推动蜂巢能源AI平台的技术更新与路线演进。 ②构建自有技术体系：推动平台化开发模式建设，设计全局性、可落地的AI技术体系架构，打造自主可控的AI开发框架与中台能力。 ③深度融合行业Know-how：实现锂电专用模型与通用大模型的深度融合，提升通用检测能力的泛化性与持续迭代能力，形成蜂巢能源在动力电池领域的AI技术壁垒。 ④前瞻技术布局：对AI及大模型发展趋势具备极强洞察力，预判下一代大模型演进方向，指导公司中长期AI技术路线规划与应用布局。 2. 项目落地与价值创造 ①聚焦高价值场景挖掘：主动识别蜂巢能源全价值链（生产基地、研发中心等）中尚未被充分开发的AI机会，系统评估各环节AI潜力，优先推进可实现成本优化（>15%）、质量提升（>20%）或效率增长（>30%）的项目。 ②深度赋能制造工艺：围绕极限“降过杀”目标，推动全域过杀率向千分之几水平演进；结合制造know-how与工艺机理，在浆料搅拌、涂布面密度控制、毛刺检测、K值检测、容量预测、焊接优化等前段/电极段关键工序开展数据驱动型AI项目。 ③激活数据资产价值：深度挖掘蜂巢特有工艺数据资产（如超高速叠片、无钴正极材料生产等），发现数据驱动的创新机会点。 ④强化跨部门协同：建立跨生产、研发、质量、供应链等部门的AI创新协作机制，确保AI方案紧贴业务痛点、快速落地见效。 3. 能力建设与知识传承 ①打造AI中台与开发体系：搭建企业级AI中台，形成平台化、标准化、极限高效的AI开发与部署能力，显著降低AI应用门槛。 ②构建人才梯队与认证体系：设计并实施从初级到专家的AI能力认证路径，系统培养内部AI人才，提升组织整体AI素养。 ③沉淀知识资产：建立AI研发规范、最佳实践与企业级知识库，系统沉淀行业数据集、算法模型与解决方案，避免重复投入。 ④强化知识产权布局：指导新能源领域AI相关知识产权战略，覆盖平台架构、核心算法到应用场景的全链条专利与技术保护。 4. 生态合作与前沿探索 ①构建开放创新生态：与顶尖高校、科研机构及科技企业建立战略合作，引入外部先进技术资源，加速技术转化。 ②引领行业影响力：代表公司参与AI+能源领域的行业论坛、标准制定与技术交流，牵头制定企业级AI技术标准，提升蜂巢在行业中的技术话语权。 ③支撑战略决策：研判全球AI技术演进趋势，为公司高层提供前瞻性技术洞察与战略建议。 ④严选合作伙伴：建立外部AI技术合作的评估标准与管理机制，确保技术引进的先进性、适配性与安全性。 5. 数据战略与治理 ①主导企业数据战略：推动高质量、高价值的锂电行业专属数据集建设，破解AI落地中的数据瓶颈。 ②健全数据治理体系：建立数据质量评估标准与全生命周期治理机制，保障AI模型输入数据的可靠性、一致性与可追溯性。 ③筑牢安全合规底线：设计并实施符合国家法律法规及行业规范的数据安全与隐私保护方案，确保AI应用合法合规、风险可控。

1.学历与专业背景：要求博士及以上学历，计算机科学、人工智能、数据科学、电气工程或相关专业。有海外的人工智能项目经历和海外知名企业任职并担任AI领域负责人的优先。需具备扎实的机器学习理论基础、深度学习算法原理及工程化实现能力，同时理解电池技术、制造工艺或能源系统等垂直领域知识，能够实现AI技术与能源业务的深度融合。 2.具备15年以上人工智能算法研发或工程化落地经验，其中至少8年以上在能源、汽车或高端制造行业的AI项目主导经历，且成功推动过5个以上行业领先水平的AI项目从概念验证到规模化应用。熟悉AI项目全生命周期管理，包括需求分析、方案设计、模型开发、系统集成及价值评估，能够准确识别高价值AI应用场景并推动落地。 3.精通AI核心技术领域（至少两个方向），优先大模型应用（领域知识建模、智能决策）、数据挖掘与分析（经营分析、故障预测、健康管理）或优化算法（能源调度、工艺优化）、计算机视觉（缺陷检测、质量控制）等。熟练使用PyTorch/TensorFlow等框架进行模型开发，掌握Docker/Kubernetes等部署工具，具备从算法创新到工业级系统构建的全栈能力。 4.专业成就证明：提供发明专利、国家级或国际获奖佐证材料，在国际一流期刊发表高水平论文，体现行业领先技术水平。