道富公司
Analytics and AI Platform Engineering, Senior Principal, VP
Analytics and AI Platform Engineering, Senior Principal, VP
发布于 6 个月前高层管理(VP/总经理/CEO)
杭州市
专家级经验
全职员工
仅现场办公
硕士
软件工程
团队管理
微服务架构
金融科技
Agentic AI
Ai/Ml/Dl
Aws/Azure
Generative AI
AI 估算 · 80k–150k
VP级技术管理岗，负责AI平台工程，金融科技高薪职位。
职位详情
关于这个职位
这是一个面向资深技术领导者的高级职位，负责为道富投资管理公司（SSIM）设计和构建分析与人工智能平台
你将领导一个工程团队，负责平台基础设施、软件工程、ML/LLM Ops以及AI/ML/DL、生成式AI和智能体AI相关工具框架的提供，确保符合公司技术标准和目标AI生态系统蓝图
该职位是推动投资管理部门转型的关键角色
最低要求
硕士学历（计算机科学、电气工程或相关领域）
年以上大型企业（理想情况下是资产管理行业）的核心工程岗位经验
年以上实践经验，在公共云Azure和/或AWS上使用基础设施即代码编程，交付分析和/或AI解决方案和平台，熟悉基础AI/ML/DL、生成式AI和智能体AI、基于Azure Active Directory的服务主体以及托管身份配置自动化
年以上现代容器化、面向对象或脚本编程经验，如Python、Java、Shell等
年以上基于主流技术（如Kubernetes、Docker、Spring Cloud、gRPC/thrift等）的微服务架构和实施经验
熟悉结构化和非结构化数据存储和管理系统，如Snowflake、Databricks、PostgreSQL和各种向量数据库
熟悉源代码管理（如GitHub）和CI/CD最佳实践，以支持多个全球团队的并发开发和发布
英语流利
高度注重细节、结果导向、坦诚且以执行为重点
工作职责
### 领导力
领导平台基础设施、软件工程、基础数据科学能力、高级分析和AI框架、工具、ML/LLM Ops和模型可观测性的实施
领导并指导本地高性能工程团队——建立一种基于深厚技术专长和责任感的文化（而非传统的人员扩充模式）
设计SSIM的分析与AI平台架构，实施工程标准和治理实践
实施模块化、可扩展和可重用的架构，以消除孤立的开发并加速上市时间
在整个组织中倡导工程卓越、技术严谨性和创新
### 工程卓越
创新与最佳实践*：评估、采用和标准化尖端分析和AI能力——包括智能体AI、生成式AI和基础AI/ML/DL模型
质量与性能*：通过代码审查、测试框架和遵守行业指南，确保解决方案达到最高工程标准
协作与指导*：建立一个专注于持续学习、知识共享和专业发展的协作工程社区
可扩展性与弹性*：构建能够支持全球业务工作负载、具有强大可靠性和性能特征的系统
安全与合规*：坚持严格的风险、安全和监管要求
确保强大的数据保护和治理
### 执行与监督
领导本地分析和AI平台工程团队，专注于创新、交付卓越和运营杠杆
与主要供应商（包括分析和AI平台提供商及服务合作伙伴）合作，确保强大的集成、服务质量和合同成果
为多样化的用例和全球用户，交付从沙盒、开发、QA/UAT、生产到灾难恢复所需的完整分析和AI部署环境
优先资格
在大型金融机构有AI平台工程经验
持有CFA一级或同等证书
AI 洞察
优缺点分析
优点
- 平台优势：在顶级金融机构（道富）的核心部门，负责前沿的AI平台战略，技术栈先进（生成式AI、智能体AI），能获得宝贵的行业级项目经验
- 职业发展：这是一个高级别的技术领导岗位（副总裁），拥有高度的自主权和影响力，是向更高管理层或首席技术职位跃升的绝佳跳板
- 行业前景：金融与AI的结合是当前最热门的领域之一，在此积累的经验具有极高的市场价值和行业壁垒
缺点 / 挑战
- 技术复杂度高：需要同时精通AI算法、大规模云平台工程、金融系统合规性，技术广度与深度要求极高，学习压力大
- 责任与压力重大：作为平台负责人，需确保全球业务系统的可靠性、安全性和性能，任何失误都可能造成重大影响，工作压力大
- 团队与协作挑战：需要领导高性能团队，并与全球多个团队和外部供应商协调，对沟通、管理和跨文化协作能力是巨大考验
- 这个职位非常适合拥有13年以上大型企业（尤其是金融业）复杂系统构建经验，兼具深厚AI/云平台技术功底和卓越领导力的资深技术专家，他们追求在战略层面推动技术变革，并愿意承担相应的责任与挑战
角色解读
- 技术路径：可以从平台工程负责人，成长为首席架构师或首席技术官（CTO），主导更广泛的企业技术战略
- 管理路径：随着职责扩大，可能晋升为更高级别的副总裁或董事总经理，管理更大规模的技术团队和预算
- 行业专家路径：凭借在金融科技与AI融合领域的深度经验，成为行业内有影响力的思想领袖或顾问
- 作为技术负责人，负责公司投资管理部门分析与AI平台的整体架构设计、工程标准制定和治理实践实施
- 领导并管理一个本地工程团队，负责平台基础设施、软件工程、ML/LLM Ops、FinOps以及AI相关工具和框架的开发与运维
- 与内部COO组织及外部供应商合作，确保从开发到生产的全环境AI解决方案的交付、集成、质量和合规性
- 深厚的AI/ML/DL、生成式AI和智能体AI技术栈知识，以及在大规模企业（尤其是金融/资产管理行业）的实战平台构建经验
- 精通现代云原生技术栈，包括AWS/Azure云服务、Kubernetes、Docker、微服务架构，以及Python/Java等编程语言
- 强大的技术领导力和团队管理能力，能够建立卓越工程文化，并具备与全球团队、供应商协作的沟通和项目管理技能
申请策略
- 深入研究道富公司（State Street）及其投资管理部门（SSIM）的业务、技术转型方向，在申请材料或面试中体现出你的技术方案如何与公司战略对齐
- 强调你对“工程卓越”和“建立非人员扩充模式的高绩效团队”的理解和实践，这符合职位描述中强调的文化价值观
- 重点突出在大型金融机构（资产管理优先）主导或深度参与AI/数据分析平台从0到1建设或大规模重构的项目经历，量化成果（如提升效率、降低成本、加速上市）
- 详细描述你在AWS/Azure上使用基础设施即代码（IaC）管理复杂云环境，以及运用Kubernetes、Docker构建微服务化AI平台的具体技术实践
- 展示你的团队领导经验，包括团队规模、如何建立工程文化、进行技术选型、制定标准流程，以及如何 mentoring 团队成员
- 如果对金融资产管理业务不熟悉，建议提前学习基础的投资管理流程、风险合规知识，了解CFA一级的核心内容将是一个加分项
- 深入理解并准备案例，说明你如何在过往项目中实施AI治理、模型可观测性（Model Observability）和FinOps，以应对金融行业的严苛要求
- 梳理并准备关于智能体AI（Agentic AI）和最新生成式AI框架（如LangChain等）的实践经验或深度见解，即使没有直接项目，也要展示出前瞻性的技术视野
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化回答，确保故事完整、逻辑清晰，并突出你的个人贡献和领导作用
- 在回答技术问题时，不仅要说明“做了什么”，更要解释“为什么这么做”（技术选型、架构权衡），以及带来的业务价值（效率、成本、风险控制）
- 在涉及团队管理和协作的问题时，展示你的领导哲学、沟通策略以及如何激励团队、解决冲突和推动文化变革
- 请分享一个你领导过的、最复杂的AI或数据分析平台建设项目
- 你在其中扮演什么角色？遇到了哪些技术和管理上的挑战，是如何解决的？
- 在一个高度监管的金融环境中，你是如何设计和实施AI平台的治理、安全和合规框架的？请举例说明
- 你如何评估和引入像智能体AI或新的生成式AI模型这样的前沿技术？决策流程是怎样的？
- 描述一次你带领团队进行技术债务清理或架构重构以提高系统可扩展性和性能的经历
职位点评
Watch Jobs