中国平安
架构师（AI 方向）
架构师（AI 方向）
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
软件工程
机器学习
数据挖掘
大模型
AI 估算 · 40k–70k
AI架构师岗位技术门槛高，大厂薪资竞争力强，结合深圳市场水平，月薪中位数约5.5万。
职位详情
关于这个职位
该职位负责主导AI领域数据挖掘与分析体系的搭建与落地，构建全流程数据挖掘技术框架，并联动算法与研发团队将大模型与数据挖掘能力深度融合
你将负责AI业务全链路数据架构规划与优化，跟踪前沿技术，推动数据驱动的业务创新
适合有5年以上AI工程或架构经验、精通Java/Python/Golang、熟悉大模型部署与调优的技术专家
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
优点
- 前沿技术栈：深度接触大模型、Agent框架等AI前沿技术，技能积累快
- 大厂平台：中国平安作为金融科技巨头，项目资源丰富，影响力大
- 业务价值高：直接参与核心AI数据体系建设，成果可量化，成就感强
- 团队协作：与算法、研发团队紧密合作，拓展技术视野
- 技术难度高：需同时掌握工程架构与算法应用，对综合能力要求极高
- 竞争激烈：岗位要求高，需持续学习以保持技术领先
- 适合有5年以上AI工程经验、热爱技术攻坚、希望在金融科技领域深耕的资深技术专家
缺点 / 挑战
- 工作强度大：大厂项目节奏快，可能面临较大压力
角色解读
- 技术纵深发展：成为AI工程化领域专家，主导大型企业级AI平台建设
- 管理方向：从技术负责人晋升为AI团队管理者，带领团队实现业务目标
- 跨领域拓展：结合金融科技业务，转型为AI+金融复合型专家
- 主导AI数据挖掘与分析体系的搭建，构建从数据采集到可视化的全流程技术框架
- 负责AI业务全链路数据架构规划与优化，整合多源数据并设计高效接口
- 联动算法与研发团队，将大模型与数据挖掘能力深度融合，推动业务落地
- 跟踪前沿技术，引入先进方案优化现有流程，并指导团队技术攻坚
- 精通Java/Python/Golang，熟悉微服务、分布式系统及容器化部署
- 掌握机器学习、深度学习、NLP基础，有模型部署与推理优化经验
- 熟悉国内外主流大模型（如Qwen、混元、文心一言）的部署与调优
- 具备agentic AI框架（LangChain等）使用经验及AI工具链搭建能力
申请策略
- 提前了解平安的AI业务方向（如金融、保险、医疗），在面试中展现业务理解
- 准备一个完整的数据挖掘项目案例，从架构设计到落地效果，突出技术难点与解决方案
- 突出AI工程化落地项目经验，尤其是大模型部署、推理优化相关案例
- 强调微服务、分布式系统架构设计经验，展示高并发、高可用系统能力
- 列出熟悉的大模型（如Qwen、混元）及平台（阿里云百炼等）操作经验
- 展示团队指导或技术培训经历，体现领导力
- 补充Agent框架（LangChain、AutoGPT）的实战经验，可做小项目练手
- 熟悉阿里云百炼、百度千帆等平台操作，提升平台适配能力
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出技术难点和你的贡献
- 对比分析：在技术选型时，列出多个方案并说明选择理由，体现决策能力
- 结构化表达：先总述思路，再分点展开，最后总结
- 请描述一个你主导的AI工程化项目，包括架构设计、技术选型和落地效果
- 如何将大模型集成到现有数据挖掘流程中？请举例说明
- 在分布式系统中，如何保证数据挖掘任务的高可用和性能？
- 你如何评估和选择适合业务场景的大模型？
- 请谈谈你对Agentic AI框架（如LangChain）的理解和实际应用经验
匹配度报告
70
综合匹配度
大厂AI架构师，前沿技术栈，高薪资高成长，但WLB一般。
适合人群
适合追求技术成长和高薪资、能接受现场办公和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40
使命价值70
薪资福利匹配
80较高
该职位薪资水平较高，大厂福利完善，但JD未明确具体薪资和福利细节。
薪资信号未披露（AI估算：40K-70K/月）
成长发展匹配
90较高
岗位涉及前沿AI技术，有大量技能成长机会，但JD未提及晋升通道。
技术前沿前沿/新兴技术
技术栈大模型、数据挖掘、Python、Java、Golang、Kubernetes、Docker、LangChain、机器学习、深度学习、NLP
业务类型profit_center
工作生活匹配
40较低
JD未提及远程或弹性工作，深圳现场办公，可能工作强度较大。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
金融科技行业稳定，AI方向有社会价值，但JD未强调使命感。
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