1. 负责大模型在企业级场景下的工程化落地，包括模型压缩、量化、蒸馏、分布式训练与推理优化等技术实现。 2. 设计并搭建大模型部署基础设施（如GPU集群管理、容器化部署、边缘计算适配），保障高并发、低延迟、高可用的生产环境运行。 3. 协同算法团队完成模型与业务系统的集成，解决端到端部署中的性能瓶颈（如内存占用、响应时间、成本优化）。 4. 跟踪大模型工程化前沿技术（如MoE架构、动态批处理、混合精度推理），推动技术迭代与创新。 5. 制定大模型部署规范与运维标准，输出技术文档并培养团队工程化能力。

1. 拥有8年及以上大模型或深度学习模型工程化经验，主导过至少2个百万级以上参数模型的规模化部署项目。 2. 精通Python / C++，熟悉TensorRT、ONNX Runtime、vLLM等推理框架，掌握Docker / K8s容器化技术及云平台（AWS / GCP / 阿里云）部署。 3. 深入理解大模型训练 / 推理全流程（数据预处理、模型并行、流水线并行、显存优化），具备分布式系统调优经验。 4. 有汽车行业大模型部署经验者优先（如车载语音交互、智能座舱、自动驾驶感知模型）。