中国平安
架构师（AI 方向）
架构师（AI 方向）
发布于 大约 16 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
深度学习
NLP
数据架构
大模型
AI 估算 · 35k–55k
平安为上市巨头，AI架构师稀缺，深圳薪资高；结合经验要求5年+，技术栈前沿，预估月薪35-55K，15薪
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，构建全流程数据技术框架，并联动算法与研发团队，将主流大模型与数据挖掘深度融合，推动数据洞察转化为业务行动
同时跟踪前沿技术，优化数据挖掘流程与架构，攻克复杂数据场景下的技术难题
适合有5年以上AI工程或架构经验，精通Java/Python，熟悉大模型部署与调优，具备强烈技术规划与跨团队协作能力的技术专家
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
- 平台优势：中国平安是金融科技巨头，项目规模大、数据资源丰富，能接触到真实复杂的AI应用场景
- 技术前沿：涉及大模型、Agent框架、数据挖掘全流程，可保持技术领先性，积累宝贵经验
- 职业发展：公司内部晋升通道清晰，技术和管理双路径，且AI方向人才稀缺，市场价值高
- 工作强度：大型企业项目推进节奏快，可能需要应对多线并行和紧急需求，加班难以完全避免
- 技术深度要求高：既要懂工程架构又要懂算法，需要持续学习最新大模型和工具，知识更新压力大
- 跨团队协作复杂：需要联动算法、研发、业务多方，沟通成本较高，对协调能力要求高
- 适合5年以上经验、技术栈全面、热爱AI工程化落地的技术专家，尤其希望在金融科技领域深耕，追求技术影响力与项目成就感的人
角色解读
- 技术纵深发展：成为AI数据架构领域专家，主导更大规模的数据平台与AI融合项目
- 管理路线：从技术负责人晋升为AI团队负责人或数据部门总监
- 业务交叉：深入金融场景，成为既懂技术又懂业务的复合型人才，向首席科学家或技术高管发展
- 主导AI数据挖掘体系搭建，覆盖数据采集到可视化全流程，制定标准化技术框架
- 规划AI业务全链路数据架构，整合多源数据并优化接口设计，提升决策效率
- 与算法团队协作，将大模型与数据挖掘能力融合，推动分析结果转化为业务行动
- 跟踪前沿技术（如大模型辅助分析），引入新方案优化现有流程，并攻克技术难题
- 扎实的工程架构能力：精通Java/Python，熟悉微服务、分布式系统、Docker/K8s
- 算法工程化经验：熟悉ML/DL/NLP原理，有模型部署、推理优化经验，掌握国内外主流大模型
- AI工具链搭建：熟悉LangChain、AutoGPT等Agent框架，能编写skill并指导团队
- 技术规划与协作能力：具备跨团队推动能力，能独立解决复杂技术问题
申请策略
- 提前了解平安的AI战略（如平安云、金融壹账通等），在面试中展现与业务结合的思考
- 准备一个完整的AI数据挖掘项目案例，从架构设计到落地效果，突出技术难点和解决过程
- 突出AI工程化项目经验，特别是数据挖掘体系搭建、大模型部署与调优的实际案例
- 展示架构设计能力：列出微服务、分布式、容器化部署的落地项目，强调高并发/高可用设计
- 强调大模型实战：具体说明使用过哪些大模型（如Qwen、混元等），以及部署和推理优化的细节
- 体现领导力：带团队或指导他人的经历，以及跨部门协作推动项目落地的成果
- 加深对大模型平台（阿里云百炼、百度千帆）的实操，熟悉API和部署流程
- 学习Agent框架（LangChain、AutoGPT）的深度使用，掌握工具链搭建和skill编写
面试指南
- STAR法则（情境-任务-行动-结果）：用具体项目回答，重点描述个人贡献和技术细节
- 技术选型对比：在回答架构设计问题时，展示对不同方案的权衡（如性能、扩展性、成本）
- 结合业务价值：强调技术方案如何提升业务效率或创造价值，体现商业意识
- 请描述一次你主导的AI数据挖掘体系搭建项目，包括技术选型、架构设计和遇到的挑战
- 你如何将大模型（如Qwen）集成到现有的数据挖掘流程中？举例说明
- 在高并发场景下，如何设计可靠的数据架构？请谈谈你的经验
- 你如何看待Agent框架（如LangChain）在企业级应用中的前景？你有哪些实践经验？
- 如果团队在模型推理优化上遇到瓶颈，你会如何分析和解决？
匹配度报告
68
综合匹配度
大厂AI架构师，前沿技术栈，成长空间大，但工作强度可能较高且WLB不明。
适合人群
最适合追求技术成长和前沿挑战的求职者，对工作生活平衡要求不高的技术专家。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值65
薪资福利匹配
75中等
平安为上市巨头，薪资处于市场较高水平，福利完善，但JD未具体说明，补偿性动机可获较好满足。
薪资信号未披露 (35K-55K/月)
成长发展匹配
90较高
职位涉及前沿大模型、Agent框架、数据挖掘全流程，技术栈新，成长空间大，发展性动机极强。
技术前沿前沿/新兴技术
技术栈Java、Python、Docker、K8s、机器学习、深度学习、NLP、大模型、LangChain、AutoGPT、Qwen、混元、文心一言、豆包
成长机会技术培训、经验沉淀
业务类型ambiguous
工作生活匹配
40较低
JD未提及远程或弹性工作，仅现场办公，且未提WLB，生活化动机满足较低。
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赛道高速增长，但职位未明确社会使命感信号，目的性动机满足度中等。
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