1 AI整体架构设计与规范制定 1.1主导汽车研发领域AI整体技术架构设计，深度结合整车研发全流程，搭建适配整车研发高可靠性、高安全性要求的AI架构体系； 1.2明确架构分层逻辑、各模块接口标准、数据流转机制及技术规范，输出完整的架构设计文档，支撑AI技术在汽车研发场景的规模化落地与长期迭代升级。 2 AI模型选型与优化落地 2.1针对智驾、智舱、车身控制、仿真验证等汽车研发核心场景，梳理业务需求与技术痛点，筛选适配的AI模型方案（如VLA模型、世界模型、多模态大模型等）； 2.3主导模型轻量化、蒸馏等优化工作，平衡模型性能、算力成本与可靠性、实时性要求，推动优化后的模型在研发场景中落地应用并持续调优。 3 AI技术路线规划与创新 3.1跟踪AI在汽车研发领域的前沿技术动态（如端云协同、AI Agent、大模型轻量化部署等），结合公司研发战略与业务发展目标，制定短期、中长期AI技术落地路线； 3.2推动技术创新与产品化落地，挖掘AI在汽车研发中的创新应用场景，形成差异化技术优势，助力研发效率提升。 4跨部门项目统筹与落地 4.1统筹AI架构相关项目的全流程推进，协调研发、算法、测试、硬件等跨部门资源，建立高效协作机制； 4.2梳理研发全流程AI应用痛点，输出针对性技术解决方案，推动AI架构与现有汽车研发工具链（如AUTOSAR环境、Jenkins、GitLab）的集成适配，解决项目落地过程中的各类技术瓶颈，确保项目按时按质完成。 5架构安全合规与效能提升 5.1主导AI架构的合规设计，确保架构设计符合安全合规要求； 5.2建立AI架构性能评估体系，量化AI应用效果（如缩短研发周期、降低缺陷率、提升仿真精度等）； 5.3持续迭代优化架构，沉淀架构设计规范、最佳实践及技术方法论，开展团队技术赋能，提升研发团队AI架构应用能力。

1.硕士及以上学历,汽车、软件工程、人工智能、自动控制等相关专业。 2.具备扎实的AI架构设计功底，精通AI技术栈（机器学习、深度学习、大模型应用等），熟悉汽车研发核心流程，能独立完成汽车研发场景AI架构的设计、选型与落地。 3.精通主流AI框架（PyTorch、TensorFlow等），熟悉大模型部署与优化技术（量化、剪枝、蒸馏等），了解VLA、世界模型、通用大模型等汽车研发常用AI模型特性，具备模型选型、性能调优及工程化落地能力。 4.具备较强的技术前瞻性与路线规划能力，能敏锐捕捉AI技术在汽车研发领域的应用趋势，结合业务需求制定合理的技术路线。 5.掌握AI架构安全合规相关知识，能将合规要求融入架构设计全过程；具备良好的跨部门沟通协作能力，能推动复杂AI架构项目的落地执行与团队技术赋能。 6.拥有5 年及以上汽车相关行业工作经验 7.具备5 个及以上完整 AI 架构相关项目落地交付经验 8.具有良好的沟通、组织、协调能力；具备统筹优化能力。