中国远洋运输集团
架构设计与项目开发岗（AI平台架构师）
架构设计与项目开发岗（AI平台架构师）
发布于 5 个月前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
软件工程
分布式系统
微服务
模型推理优化
算法工程化
Ai平台架构
PyTorch
TensorFlow
AI 估算 · 35k–60k
岗位要求资深AI架构与工程化能力，涉及高并发、分布式等复杂系统设计，技术门槛高，市场人才稀缺，薪资竞争力强。
职位详情
关于这个职位
这是一个专注于AI平台架构设计与项目开发的核心技术岗位
你将负责设计和实现高效的算法工程架构，推动算法平台的模块化与服务化，并优化模型推理性能
核心目标是构建一个高扩展性、稳定且高效的AI平台，以支持公司业务发展对算法处理的需求
最低要求
计算机、数学、统计相关专业本科及以上学历
具备3-5年以上算法工程化、AI平台建设相关工作经验
有丰富的算法模型推理、加速、部署经验，熟悉常见的推理框架和加速技术
有大规模分布式系统、高并发系统的设计和开发经验
精通Python、C++、Java等至少一种编程语言，熟悉常用的算法和数据结构
熟悉常见的深度学习框架（如TensorFlow、PyTorch等），了解其底层原理和优化技术
熟悉容器化技术（如 Docker）和 Kubernetes 集群管理，具备模型部署到云平台或生产环境的经验
熟悉分布式系统、微服务架构，有大规模系统设计和开发经验
能够快速学习和适应新技术，具有较强的创新意识和探索精神，能提出新的想法和解决方案
具备良好的团队合作精神，能够有效沟通，与跨部门团队紧密协作
工作职责
负责设计和实现高效的算法工程架构，确保平台具备高扩展性、稳定性和高效性，满足当前及未来业务发展对算法处理的需求
推动算法平台的模块化、服务化，提升平台的易用性和可维护性
设计和实现高效的模型服务化方案，支持高并发、低延迟的在线推理服务
负责算法模型的推理优化
运用如量化、剪枝、蒸馏等技术，提升模型推理速度，降低计算资源消耗，实现模型在不同硬件环境下的高效运行
推动算法从研发到生产的全流程工程化，包括数据预处理、特征工程、模型训练、模型评估、模型部署等环节，提高算法研发和迭代效率
推动算法平台与公司其他系统的集成，提升平台的协同效应
跟踪业界最新的算法工程化、模型推理加速、AI平台建设等技术趋势，推动技术创新和落地
优先资格
硕士及以上学历优先
有大型互联网公司或AI公司工作经验者优先
AI 洞察
优缺点分析
优点
- 平台级技术视野：负责整个AI平台的架构，能系统性提升技术格局和架构设计能力，积累宝贵的平台建设经验
- 前沿技术实践：深度参与模型推理优化、服务化等AI工程化核心环节，技术栈前沿且含金量高
- 优质企业平台：在大型上市集团工作，项目规模大，资源丰富，职业履历背书强，稳定性相对较好
- 适合拥有3-5年以上算法工程或后端开发经验，追求技术深度与广度，并希望在大型企业复杂场景下构建核心AI基础设施的技术专家
缺点 / 挑战
- 技术复杂度高：需要同时精通算法、分布式系统、云原生等多领域知识，技术挑战大，学习压力持续
- 跨部门协作要求高：需要推动平台与各业务系统集成，沟通协调成本可能较高，对软技能要求不低
- 业务理解压力：AI平台需紧密贴合业务需求，要求架构师不仅懂技术，还需快速理解复杂的航运物流业务场景
角色解读
- 技术路径上，可以从AI平台架构师向首席架构师或技术专家（如AI基础设施专家）方向发展
- 管理路径上，凭借对AI项目全流程的深入理解，可转向技术管理岗位，如AI平台研发负责人或技术总监
- 行业路径上，在大型集团积累的AI平台建设经验，是进入顶尖科技公司或AI初创公司担任核心架构角色的宝贵资本
- 你将负责设计和构建支撑AI算法高效运行的工程平台，确保其具备高扩展性和稳定性
- 核心工作之一是优化AI模型的推理性能，运用量化、剪枝等技术，使其能在生产环境中快速、低耗地运行
- 你需要推动算法从研发到部署的全流程工程化，并负责平台与公司其他业务系统的集成工作
- 需要精通算法工程化与AI平台架构设计，具备大规模分布式、高并发系统的实战经验
- 必须熟练掌握Python/C++/Java等至少一门语言，并深入理解TensorFlow/PyTorch等深度学习框架的底层原理
- 要求具备容器化（Docker/Kubernetes）和云原生部署能力，能够将模型高效、稳定地部署到生产环境
申请策略
- 在申请和面试中，除了展示技术硬实力，也应强调你的沟通协作能力和推动技术落地的执行力
- 提前研究中国远洋运输集团的业务布局和可能的AI应用方向（如智能船舶、港口自动化、供应链预测等），在交流中体现你的思考
- 重点突出你主导或深度参与的AI平台、算法中台建设项目，详细说明你在架构设计、性能优化方面的具体贡献
- 用数据和指标量化你的项目成果，例如“通过模型量化将推理延迟降低XX%”、“设计的系统支持QPS达到XX”
- 清晰展示你对Docker、Kubernetes、微服务等云原生技术栈的掌握程度，以及在大规模分布式系统中的实践经验
- 若对航运物流行业不熟悉，可提前了解智慧物流、供应链优化等AI应用场景，展示将技术与业务结合的能力
- 深入复习分布式系统原理、高并发设计模式，并准备1-2个能体现你解决复杂系统问题的详细技术案例
面试指南
- 对于技术设计类问题，建议采用“场景-挑战-方案-权衡-结果”的结构来回答，清晰展现你的思考过程
- 对于问题解决类问题，重点阐述你分析问题的思路、尝试的多种方案以及最终选择某方案的原因和量化效果
- 请详细介绍一个你主导设计的AI平台或算法服务化架构，并说明如何保证其高可用与可扩展性？
- 你遇到过最棘手的模型线上推理性能问题是什么？你是如何通过量化、剪枝或其他技术进行优化的？
- 如何设计一个支持高并发、低延迟的模型推理服务？需要考虑哪些关键因素？
- 请谈谈你在Docker和Kubernetes上进行模型部署和运维的具体经验，遇到过哪些坑？
- 当算法团队的需求与工程实现的复杂度或资源成本产生冲突时，你会如何权衡和推进？
- 系统梳理你过往在AI工程化、平台建设、性能优化方面的项目，确保能清晰、有条理地讲述技术细节和业务价值
职位点评
Watch Jobs