道富公司
Software Engineering & Development, VP
Software Engineering & Development, VP
发布于 大约 16 小时前高层管理(VP/总经理/CEO)
杭州市
专家级经验
全职员工
仅现场办公
本科
RAG
GO
MLOps
LLM
GenAI
CI/CD
Responsible Ai
AI 估算 · 50k–80k
金融科技VP级别，AI领导岗，杭州市场薪资竞争力强，综合技能稀缺性估值偏高。
职位详情
关于这个职位
该职位是道富公司（State Street）的软件工程与开发副总裁，专注于生成式AI（GenAI）方向
您将领导工程团队，端到端交付生产级AI系统，包括LLM应用、MLOps和负责任AI治理
适合有深厚软件工程背景和AI领导经验的高级技术专家
最低要求
· Bachelor's degree or above in Computer Science, Machine Learning, Data Science, or a related field (or equivalent practical experience).
· 8+ years of experience in software engineering, including significant leadership experience delivering AI/ML systems in production at scale.
· Strong software engineering fundamentals (distributed systems, APIs, data structures) and proficiency with modern AI development stacks (Python plus one of Java/Go/C++), including strong code quality practices.
· Proven experience building and operating AI/ML workloads on public cloud platforms (AWS/Azure/GCP), including scalable model training and low-latency inference deployment.
· Solid experience with data platforms and pipelines (e.g., Databricks, Snowflake, Spark) and familiarity with vector search / embeddings for retrieval-based AI solutions.
· Deep understanding of modern engineering practices and MLOps (CI/CD, testing, experiment tracking, model/version management, monitoring, incident management).
· Experience working in global or distributed teams across different regions and time zones.
· Strong communication skills in English and Chinese, including the ability to present complex AI topics and decisions to senior stakeholders.
· Demonstrated experience with Responsible AI practices and governance (privacy, security, bias/fairness, content safety, auditability, and regulatory compliance).
· Hands-on experience with LLM/GenAI application development (prompting, RAG, Agents, tool/function calling), model evaluation, and production observability.
工作职责
· Lead end-to-end development of AI features and services (LLM, NLP, CV, predictive ML) from prototyping to production, aligned to clear product outcomes and KPIs.
· Review and govern AI solution designs to ensure correctness, robustness, security, and responsible-AI compliance (bias, toxicity, hallucination risk, data leakage).
· Partner with product and engineering teams to translate business problems into AI solution approaches (build vs buy, model choice, data needs, evaluation strategy) and executable delivery plans.
· Lead and scale high-performing AI engineering teams delivering multiple initiatives in parallel (AI-enabled applications, internal platforms, and developer tooling).
· Identify AI-specific risks (data quality, drift, adversarial use, hallucinations, latency/cost) and implement mitigation strategies throughout the delivery lifecycle.
· Promote automation and engineering excellence (CI/CD for ML, automated evaluation, red-teaming, monitoring/alerting, and cost/performance optimization) to improve quality and velocity.
· Collaborate closely with product, data, security, legal/compliance, and global engineering teams to align on AI use cases, constraints, and delivery expectations.
· Coordinate architecture and delivery plans across multiple parallel AI initiatives (e.g., GenAI assistants, search/RAG, personalization, fraud/risk models, automation).
· Work with platform teams to ensure reusable AI components and consistent patterns (prompt orchestration, retrieval, model gateways, feature management, observability) across the portfolio.
· Act as a trusted technical advisor on AI strategy, platform choices, vendor/partner decisions, and responsible AI governance.
· Explore, evaluate, and introduce AI technologies where they add clear business value (models, frameworks, orchestration tools, data platforms), balancing performance, cost, and risk.
· Continuously improve AI development lifecycle practices (data/versioning, evaluation, deployment, monitoring, incident response) and governance models.
· Mentor AI engineers and applied scientists, strengthening engineering rigor, model quality, and responsible-AI maturity.
AI 洞察
优缺点分析
- 处于AI技术最前沿（GenAI），技能稀缺性强，市场价值高
- 道富作为全球金融巨头，平台大、资源充足，可接触复杂业务场景和全球团队
- VP级别有较大决策权和影响力，可塑造团队技术方向和文化
- 金融行业对AI合规和风险管理要求极高，需平衡创新与安全
- 需管理多个并行项目，协调跨时区团队，沟通成本高
- 技术迭代快，需持续学习，保持对最新模型和工具的敏感度
- 适合有8年以上AI工程经验、渴望从技术走向管理、喜欢在金融行业解决复杂问题的资深技术领导者
角色解读
- 技术VP可晋升为CTO或首席AI科学家，负责整个组织的AI战略
- 也可转向更广泛的数字化高管角色，如首席数字官（CDO），推动企业级AI转型
- 积累金融行业AI治理经验后，可成为AI合规与风险管理领域的专家顾问
- 领导AI工程团队，端到端交付生成式AI应用（如LLM助手、RAG系统），从原型到生产
- 制定AI解决方案架构，确保模型正确性、安全性、隐私合规，并管理AI风险（幻觉、偏见等）
- 与产品、数据、合规等跨部门协作，将业务问题转化为AI方案，协调多个并行AI项目
- 推动MLOps自动化，包括CI/CD、模型评估、监控告警，并持续优化性能和成本
- 深度软件工程能力：分布式系统、API设计、数据结构，精通Python及Java/Go/C++之一
- AI/ML专家经验：构建过生产级LLM应用，熟悉RAG、Agent、提示工程，掌握云平台（AWS/Azure/GCP）上的模型训练与推理部署
- MLOps与数据工程：精通CI/CD、实验跟踪、模型版本管理，以及Databricks、Spark等数据平台
- 领导力与沟通：管理过全球团队，能用中英文向高层汇报复杂AI决策
申请策略
- 了解道富的AI战略重点（如自动化、客户洞见），在面试中结合自己经验提出想法
- 准备好用英文流利讲解技术方案，因为团队可能有海外成员
- 突出领导生产级AI系统从0到1交付的案例，量化业务影响（如效率提升、成本降低）
- 强调MLOps实践，如自动化CI/CD、模型监控、A/B测试的具体实现
- 展示在金融或合规严格领域的AI项目经验，特别是负责任AI（偏见、隐私）处理
- 深入学习LLM前沿技术：Agent框架、多模态、检索增强生成
- 补强金融领域知识，如风险管理、交易系统、合规要求
面试指南
- 使用STAR法则：情境-任务-行动-结果，量化成果
- 强调跨团队协作和风险管理，展示领导视角
- 体现对负责任AI的理解，结合具体工具和流程
- 请描述一个你领导构建的大规模AI系统，包括架构设计、技术选型和遇到的挑战
- 如何确保LLM应用的输出安全性和合规性？你有哪些实践？
- 你如何管理多个AI项目并行？请举例说明优先级和资源分配策略
- 你如何看待MLOps在AI产品生命周期中的作用？分享你实施过的自动化流程
- 请谈谈你处理AI项目中的一次失败经历，以及你如何从中学习
匹配度报告
75
综合匹配度
前沿AI技术领导岗，薪资与成长空间大，但办公灵活性有限。
适合人群
最适合追求技术前沿、渴望领导创新、愿意在金融行业深耕的高阶技术管理者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利匹配
85较高
VP级别薪资水平高，道富作为上市公司福利体系完善，但JD未提及具体薪资与福利细节。
薪资信号未披露 (50K-80K/月)
福利待遇paid volunteer days、flexible work-life support
成长发展匹配
90较高
前沿GenAI技术栈，领导并行项目，有明确技术与管理双通道成长空间，JD多处强调学习与创新。
技术前沿前沿/新兴技术
技术栈LLM、GenAI、RAG、MLOps、CI/CD、AWS、GCP、Databricks
成长机会mentor AI engineers、continuous improvement
业务类型ambiguous
工作生活匹配
50较低
JD未明确远程或弹性工作模式，金融行业通常现场办公，杭州现场可能涉及跨国时区会议。
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）
工作生活平衡flexible work-life support
使命价值匹配
75中等
金融科技行业稳定，AI提升效率有社会价值，但JD使命信号偏业务导向。
行业发展稳定成熟行业
社会影响中性/一般
使命信号shaping the future、inclusive development
创新程度积极采用新技术
Watch Jobs