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
深度学习
NLP
微服务
大模型
AI Agent
AI 估算 · 35k–60k
AI架构师岗位稀缺，平安作为金融科技巨头，薪资竞争力强，综合深圳市场水平与技术要求，预估薪资较高。
职位详情
关于这个职位
该职位负责利用AI技术优化集团IT运维核心流程，开发并部署AI智能体，实现自动化处置与辅助决策，提升运维效率
需要您具备扎实的AI工程化经验，熟悉大模型部署与调优，并推动AI技术在全集团的落地
加入平安，您将参与前沿AI在金融科技领域的深度应用
最低要求
本科及以上学历，5 年及以上AI 工程或架构经验，具备扎实的工程架构能力和算法应用，金融科技、大型科技公司 AI 工程化落地经验
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、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 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、火山引擎等操作
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，指导团队落地 AI 工程化
具备强技术规划、问题解决和跨团队协作能力，认同 AI 工程化转型理念，推动全员 AI 技能提升
工作职责
针对运维核心流程（事件、变更、应急等），开发并部署AI智能体，实现自动化处置与辅助决策，直接支撑“提效率”目标
参与全集团IT运维核心流程的AI能力共建，确保新岗位人员能够输出标准化的解决方案，助力获得项目满意与行业奖项
利用新人才的专业能力，快速推进核心运维流程的AI化改造，确保达成90%的AI覆盖率指标
AI 洞察
优缺点分析
优点
- 深度接触前沿AI技术（大模型、Agent），积累金融科技领域宝贵落地经验
- 平安作为大型上市集团，平台稳定，资源丰富，项目影响力大
- 职责明确，目标清晰（90%覆盖率），有成就感
- 金融行业对系统稳定性和安全性要求极高，容错率低
- 跨团队协作可能涉及复杂沟通，需较强的推动能力
- 适合有多年AI工程化经验、对金融科技有兴趣、渴望在大型企业落地前沿技术并驱动变革的资深技术人才
缺点 / 挑战
- 需要同时掌握算法、工程和运维知识，技能要求全面，学习压力大
角色解读
- 可向AI架构专家或技术总监方向发展，主导更大规模的AI平台建设
- 积累金融科技领域AI落地经验后，可跳槽至其他头部互联网或金融企业
- 有机会转型为AI产品技术负责人，结合业务推动AI创新
- 设计并开发AI智能体，用于IT运维中的事件、变更、应急等流程的自动化处置与辅助决策
- 参与全集团IT运维核心流程的AI能力共建，输出标准化解决方案
- 推动核心运维流程的AI化改造，确保达到90%的AI覆盖率指标
- 指导团队落地AI工程化，搭建AI工具链并编写相关技能
- 扎实的AI工程架构能力，精通Java/Python/Golang及微服务、分布式、容器化技术
- 深入理解机器学习、深度学习、NLP算法原理，有模型部署与推理优化经验
- 熟悉国内外主流大模型（GPT-4o、Qwen、混元等）及阿里云百炼等平台操作
- 掌握Agentic AI框架（LangChain、AutoGPT）和AI Coding工具
申请策略
- 深入了解平安的科技战略和AI布局，在面试中体现对金融科技场景的理解
- 准备一个完整的AI Agent落地案例，从需求分析到架构设计到效果评估
- 突出AI工程化项目落地经验，尤其是模型部署、推理优化、Agent开发案例
- 强调大模型调优和微服务架构设计经验，附上性能指标提升数据
- 展示使用LangChain等框架搭建AI工具链的具体项目
- 补充国内大模型平台（阿里云百炼、百度千帆）的实际操作经验
- 熟悉AIOps或IT运维领域知识，了解事件管理、变更管理等流程
面试指南
- 使用STAR法则：情境-任务-行动-结果，突出技术难点和量化成果
- 问题解决型问题：先分析核心挑战，再给出技术选型思路，最后总结教训
- 请描述一个你主导的AI工程化项目，包括架构设计和落地效果
- 如何选择合适的大模型并对其进行调优？调优过程中遇到哪些挑战？
- LangChain框架的优缺点是什么？如何设计一个可靠的Agent？
- 在保障高并发和高可用的前提下，如何设计AI服务的部署架构？
- 面对100% AI覆盖率目标，你会如何规划项目节奏和风险控制？
- 复习大模型原理和主流框架（LangChain、AutoGPT）的使用
匹配度报告
68
综合匹配度
金融科技大厂AI架构岗，技术前沿，发展空间大，但加班情况不明且工作模式传统。
适合人群
适合看重技术成长、希望投身AI前沿浪潮，且短期内能够接受较强工作压力的技术人才。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活50
使命价值65
薪资福利匹配
70中等
薪资未明确但平安大厂通常提供具有竞争力的薪酬福利，稳定性好，但JD未列出具体福利项。
薪资信号未披露（AI估算：35K-60K/月）
成长发展匹配
85较高
技术栈前沿（大模型、Agent），可深度参与AI工程化转型，但JD未提及明确的培训或晋升路径。
技术前沿前沿/新兴技术
技术栈Java、Python、微服务、Docker、Kubernetes、机器学习、深度学习、NLP、大模型、LangChain、Agent
业务类型cost_center
工作生活匹配
50较低
仅现场办公，工作地点为深圳市中心，但未提及弹性工作或WLB相关信息，大厂可能加班。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
65中等
AI在金融科技运维中的应用有助于提升效率，但社会影响力一般，行业属高速增长赛道。
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