中国平安
架构师（AI 方向）
架构师（AI 方向）
发布于 大约 17 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
机器学习
分布式系统
数据挖掘
微服务
大模型
AI 估算 · 40k–70k
AI架构师薪资高，一线大厂平台，技术壁垒高，需求旺盛。
职位详情
关于这个职位
这个职位是中国平安的AI方向架构师，主要负责构建AI数据挖掘体系、优化数据架构、融合大模型技术，并推动数据驱动的业务创新
你将主导全流程数据挖掘技术框架，协同算法和研发团队，解决工程化落地难题
适合有大厂AI工程经验、精通主流大模型和分布式系统的高级工程师
最低要求
本科及以上学历，计算机、5 年及以上AI工程或架构相关工作经验，同时具备扎实的工程架构能力和算法应用经验，金融科技、大型科技公司 AI 工程化落地经验优先
精通 Java/Python/Golang 等至少一种编程语言，熟悉微服务架构、分布式系统、容器化部署（Docker、K8s），具备高并发、高可用系统架构设计与落地经验
熟悉机器学习、深度学习、NLP 等基础算法原理，有模型部署、推理优化、算法工程化落地经验，了解全球主流大模型（GPT-4o、Claude 3 、Gemini、Llama 3），熟练掌握国内主流大模型（阿里通义千问 Qwen3.5- Plus/Qwen3/Qwen-Coder、腾讯混元大模型、百度文心一言、字节豆包大模型系列）的部署与调优流程，熟悉阿里云百炼、百度智能云千帆、火山引擎等平台操作优先
熟悉 agentic AI 框架（LangChain、AutoGPT 等）、AI coding 工具的使用与集成，具备 AI 工具链搭建、skill 编写经验，能指导团队落地 AI 工程化相关工作
具备强技术规划能力、问题解决能力与跨团队协作能力
工作职责
主导 AI 领域数据挖掘与分析体系的搭建与落地，聚焦数据价值挖掘与业务应用转化，构建覆盖数据采集、清洗、分析、建模、可视化的全流程数据挖掘技术框架，沉淀标准化分析方法与工具链
负责 AI 业务全链路数据架构规划与优化，涵盖多源数据整合、数据流转、接口设计，结合业务场景深度挖掘数据关联规律，降低数据应用成本，提升数据决策效率与分析结果的可落地性
联动算法与研发团队，将主流大模型（阿里通义千问 Qwen 系列、腾讯混元大模型、百度文心一言、字节豆包大模型系列）及自研算法模型与数据挖掘能力深度融合，解决数据建模、特征提取、分析结果工程化适配等核心问题，推动数据洞察从分析结论转化为业务行动
跟踪数据挖掘、AI 分析前沿技术（如大模型辅助数据分析、智能特征挖掘、分析新算法、可视化交互工具），结合业务特点引入先进技术方案，优化现有数据挖掘流程与架构，推动数据驱动的业务创新与技术迭代
负责 AI 工程化数据挖掘项目技术攻坚，攻克复杂数据场景下的挖掘建模、分析落地核心难题，指导团队开展数据挖掘相关工作，通过技术培训、经验沉淀提升团队整体数据建模、分析解读与业务落地能力
AI 洞察
优缺点分析
- 大厂平台，接触海量金融数据和前沿AI技术，技术积累深厚
- 薪资待遇优厚，年终奖金可观，职业发展空间大
- 团队技术氛围浓厚，有丰富的培训和经验分享机会
- 技术迭代快速，需要持续学习新模型和框架，学习压力大
- 跨团队协作频繁，沟通成本高，需较强的协调能力
- 工作强度较大，项目周期紧，可能面临加班
- 适合技术功底扎实、热爱AI前沿技术、有较强自驱力和抗压能力的高级工程师
角色解读
- 可晋升为首席架构师或技术总监，主导更大规模AI系统和团队
- 可转向AI产品管理方向，结合技术背景推动产品创新
- 在平安体系内可横向发展至其他金融科技子公司，拓展行业视野
- 主导AI数据挖掘与分析体系的搭建，覆盖数据采集到可视化的全流程
- 负责AI业务全链路数据架构规划，整合多源数据并优化接口设计
- 联动算法团队将主流大模型与数据挖掘深度融合，推动业务落地
- 跟踪前沿技术，引入先进方案优化现有架构，驱动技术创新
- 精通Java/Python/Golang等编程语言，熟悉微服务和容器化技术
- 深入理解机器学习、深度学习及NLP原理，有大模型部署和优化经验
- 掌握Agentic AI框架和AI工具链搭建，具备跨团队协作和技术规划能力
申请策略
- 提前了解平安的金融科技业务方向，思考AI如何赋能保险、银行等场景
- 准备一个完整的AI架构方案，展示从数据到业务洞察的闭环思路
- 突出AI工程化落地的具体项目，包括数据架构设计和大模型部署案例
- 强调微服务、分布式系统的架构设计经验，以及高并发高可用的实践
- 展示对主流大模型（如Qwen、混元）和Agent框架的熟悉程度
- 体现团队指导和技术培训的经历，证明领导力
- 补充LangChain、AutoGPT等Agent框架的实战经验
- 熟悉阿里云百炼、百度千帆等大模型平台的操作
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答问题
- 从业务需求出发，强调技术方案如何解决实际问题，并量化成果
- 展示权衡取舍的思考过程，例如在成本、性能和可维护性之间的平衡
- 请描述一个你主导的AI数据架构项目，包括技术选型和遇到的挑战
- 如何将大模型整合到现有数据挖掘流程中？请举例说明
- 在高并发场景下，如何优化模型推理性能？
- 如何处理多源异构数据（如结构化、非结构化）的整合和清洗？
- 如何评估一个AI项目在业务端的ROI？
匹配度报告
75
综合匹配度
大厂AI架构，前沿技术栈，高薪高压，WLB一般。
适合人群
适合追求技术成长和高薪回报，愿意接受一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活50
使命价值80
薪资福利匹配
80较高
虽然JD未明示薪资福利，但结合大厂和行业水平，薪资有较强竞争力，补偿性动机得到较好满足。
薪资信号未披露 (40K-70K/月)
成长发展匹配
90较高
职位涉及前沿AI技术和大模型，成长空间大，且提到技术培训，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈AI、大模型、LangChain、AutoGPT、微服务、K8s
成长机会技术培训、经验沉淀
业务类型ambiguous
工作生活匹配
50较低
未提及远程或弹性工作，工作地点深圳，大厂通常有加班文化，生活化动机满足较低。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
80较高
AI行业高速增长，职位采用最新技术，但社会影响力一般，意义感动机满足中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs