道富公司
Software Engineering & Development, AVP
Software Engineering & Development, AVP
发布于 大约 17 小时前中层管理(经理/总监)
杭州市
高级经验
全职员工
仅现场办公
本科
分布式系统
NLP
RAG
MLOps
生成式AI
LLM
AI 估算 · 30k–50k
AVP级别，8年以上经验，生成式AI方向稀缺，杭州金融科技薪资较高，竞争力强。
职位详情
关于这个职位
这是一个面向资深AI工程师的副总裁级职位，你将负责设计和交付企业级AI解决方案，涵盖LLM、NLP、CV等方向
工作地点在杭州，需要领导工程团队并推动AI产品从原型到生产落地，同时确保可靠性、安全性和合规性
适合有8年以上经验且精通生成式AI与MLOps的候选人
最低要求
· 计算机科学、机器学习、数据科学或相关专业本科及以上学历（或同等实践经验）
· 8年以上软件工程经验，包括在规模化生产环境中交付AI/ML系统的显著领导经验
· 扎实的软件工程基础（分布式系统、API、数据结构）和现代AI开发栈（Python加Java/Go/C++之一），包括良好的代码质量实践
· 在公有云平台（AWS/Azure/GCP）上构建和运维AI/ML工作负载的经验，包括可扩展的模型训练和低延迟推理部署
· 具备数据平台和管道经验（如Databricks、Snowflake、Spark），熟悉向量搜索/嵌入用于检索式AI解决方案
· 深刻理解现代工程实践和MLOps（CI/CD、测试、实验跟踪、模型/版本管理、监控、事件管理）
· 在跨区域和时区的全球分布式团队中工作的经验
· 良好的中英文沟通能力，包括向高级利益相关者呈现复杂AI主题和决策的能力
· 具备负责任AI实践和治理的经验（隐私、安全、偏见/公平、内容安全、可审计性和合规性）
· 具备LLM/生成式AI应用开发的手把手经验（提示工程、RAG、Agent、工具/函数调用）、模型评估和生产可观测性
工作职责
· 领导AI功能和服务（LLM、NLP、CV、预测ML）从原型到生产的端到端开发，对齐明确的产品结果和KPI
· 审查和管理AI解决方案设计，确保正确性、鲁棒性、安全性和负责任AI合规（偏见、毒性、幻觉风险、数据泄露）
· 与产品和工程团队合作，将业务问题转化为AI解决方案方法（构建vs购买、模型选择、数据需求、评估策略）和可执行的交付计划
· 领导并扩展高性能AI工程团队，并行交付多个项目（AI应用、内部平台、开发者工具）
· 识别AI特有的风险（数据质量、漂移、对抗性使用、幻觉、延迟/成本）并在整个交付生命周期中实施缓解策略
· 推广自动化和工程卓越（ML的CI/CD、自动评估、红队测试、监控告警、成本/性能优化），以提高质量和速度
· 与产品、数据、安全、法务/合规和全球工程团队紧密协作，对齐AI用例、约束和交付期望
· 协调多个并行AI项目的架构和交付计划（例如GenAI助手、搜索/RAG、个性化、欺诈/风险模型、自动化）
· 与平台团队合作，确保可复用的AI组件和一致性模式（提示编排、检索、模型网关、特征管理、可观测性）在整个组合中得到应用
· 作为AI战略、平台选择、供应商/合作伙伴决策和负责任AI治理的可信技术顾问
· 探索、评估和引入能够带来明确商业价值的AI技术（模型、框架、编排工具、数据平台），平衡性能、成本和风险
· 持续改进AI开发生命周期实践（数据/版本管理、评估、部署、监控、事件响应）和治理模型
· 指导AI工程师和应用科学家，加强工程严谨性、模型质量和负责任AI成熟度
AI 洞察
优缺点分析
优点
- 站在生成式AI浪潮前沿，实践最新技术（RAG、Agent、LLM），积累高价值经验
- 道富作为全球金融巨头，平台大、资源丰富，AI落地场景真实且复杂，成就感强
- AVP级别待遇优厚，通常包含奖金、股票等，且金融行业稳定性高
- 需同时管理技术、团队、合规等多维度事务，对综合能力要求极高
- 适合有8年以上AI工程经验、乐于解决复杂问题、并希望带领团队在金融领域推动AI创新的技术领导者
缺点 / 挑战
- 金融行业对AI的可靠性、安全性和监管合规要求严苛，工作压力大
- 跨国团队协作涉及时差和文化差异，沟通成本较高
角色解读
- 可向首席AI架构师或AI研发总监发展，负责更大规模的技术战略与团队管理
- 也可向AI产品方向转型，结合业务洞察推动AI商业化应用
- 积累金融行业+AI的复合经验，成为跨界稀缺人才，后续可跳槽至互联网或金融科技公司任高管
- 负责从0到1设计并交付企业级AI解决方案，包括LLM应用、RAG系统、预测模型等，覆盖金融业务场景
- 领导并管理AI工程团队，制定技术架构和交付计划，确保多个AI项目并行推进且质量可靠
- 与产品、数据、合规等全球团队紧密协作，将业务需求转化为可落地的AI技术方案
- 精通Python及至少一种系统语言（Java/Go/C++），具备扎实的分布式系统与API设计能力
- 深度掌握LLM/生成式AI开发（提示工程、RAG、Agent），熟悉模型评估、MLOps及云平台（AWS/Azure/GCP）
- 具备规模化AI系统的生产级经验，包括数据管道、模型训练、推理部署、监控和治理
申请策略
- 提前研究State Street的AI战略方向，在面试中主动提出与之匹配的解决方案设想
- 准备一个完整的AI项目案例，从问题定义到生产监控，清晰阐述你的技术决策和管理方法
- 突出从0到1构建生产级AI系统的项目经验，包括技术选型、架构设计、落地效果
- 强调领导或主导的AI团队规模、跨部门协作经历及取得的商业成果（如ROI提升、成本降低）
- 列出具体使用过的AI技术栈（LLM、RAG、MLOps工具等），并附上量化指标
- 强化负责任AI知识（偏见检测、模型安全、合规框架），面试中会重点考察
- 补充金融领域知识（如风控、交易、合规）以展现业务理解能力
面试指南
- STAR法则：情境-任务-行动-结果，突出你的技术决策和领导力
- 对比分析框架：列出自研和购买的优缺点，结合成本、时间、风险给出建议
- 系统化思维：从数据、模型、部署、监控、治理全链路回答，展现全局观
- 请描述一个你主导的生成式AI项目从原型到生产的过程，遇到的主要挑战是什么？
- 如何在AI系统中确保负责任AI（如偏见、幻觉、安全性）？请举例说明
- 你如何评估一个AI解决方案是应该自研还是购买？
- 你如何领导多个并行AI项目并确保交付质量？
- 在一个跨国团队中，你是如何处理时差和文化差异带来的协作问题的？
匹配度报告
72
综合匹配度
金融巨头AI领导岗，前沿技术栈，高发展高回报，但WLB可能一般。
适合人群
最适合重视技术成长和领导力发展的求职者，愿意在金融领域深耕AI，对WLB要求不高。
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92
工作生活45
使命价值70
薪资福利匹配
80较高
AVP级别薪资较高且稳定，金融巨头福利完善，但JD未明示具体薪资和福利，需面议。
薪资信号面议 (30K-50K/月)
成长发展匹配
92较高
职位直接参与生成式AI前沿技术，且有机会领导团队、制定技术战略，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Python、LLM、RAG、MLOps、AWS、Databricks、Spark、分布式系统、生成式AI、NLP
成长机会mentor、continuous improvement
业务类型profit_center
工作生活匹配
45较低
职位未提及远程或弹性工作，且金融行业通常要求现场办公，WLB可能一般。
工作模式未明确
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
70中等
金融行业AI应用对社会有积极影响（风险管理等），但商业导向为主，使命感中等。
行业发展稳定成熟行业
社会影响中性/一般
使命信号manage risk、drive performance and profitability
创新程度积极采用新技术
Watch Jobs