阿斯利康
Data & AI Platforms Lead, BAIC
Data & AI Platforms Lead, BAIC
发布于 1 小时前中层管理(经理/总监)
全职员工仅现场办公技术管理
技术管理
Agentic Ai
Llm
Mlops
Qwen
Team Leadership
值不值得投
82综合评分
综合评分 82
跨国药企AI战略核心岗，前沿技术栈与极高社会价值并存，但现场办公与矩阵管理带来一定WLB挑战。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
8万
比技术管理中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 270 个在招
市场机会
选择面较广
北京 · 技术管理 · 65 个在招
职位详情
关于这个职位
该职位负责从零搭建阿斯利康北京AI中心的数据与AI平台，统筹算力规划、MLOps标准、Agent AI平台方向及AI工程标准
你需要带领平台团队，连接底层IT基础设施与前端药物发现科学团队，推动AI能力在研发中的规模化应用与落地
最低要求
经验要求：
在AI/ML平台工程、数据工程或大规模应用AI方面具有深厚且经过验证的经验，通过你主导的平台和运营规模来证明，而不仅仅是年限
具有领导和发展技术团队的业绩记录（包括全职员工、承包商和矩阵安排下的直接下属）
至少从零开始构建过一个被研究或科学团队实际采用的平台能力，而不仅仅是维护
具有服务科学或研究团队的经验（首选生物制药、基因组学或类似领域）
技术要求：
具备AI训练方法经验，重点在于开放权重模型的微调、后训练和对齐，以及推理优化，深度足以制定标准并评估他人工作
具备ML模型和Agent的评估与基准测试基础设施经验（测试工具、排行榜、自动化流水线）
掌握MLOps基础——实验跟踪、模型注册、ML的CI/CD——以及算力需求预测和容量/场景规划
熟悉AI依赖的数据基础：AI就绪的流水线、数据协调以及检索/嵌入基础设施
熟悉现代AI应用开发：LLM工具、Agent框架、多Agent编排
具备内部AI平台的方向指导经验：路线图、通过产品团队交付以及影响力衡量
中国特定要求：
能够在北京全职现场工作（在搬迁完成前，基于上海的过渡期是可以接受的）
能够无障碍地用普通话进行技术讨论（团队、本地利益相关者和中国合作伙伴使用普通话）
熟悉中国AI生态系统：本地LLM（Qwen, DeepSeek, GLM）、中国云提供商（阿里巴巴、腾讯、华为）、学术机构和AI公司
领导力要求：
在矩阵组织中具有可信的运作能力：全球汇报线加上本地交付任务
适应模糊性并作为单一问责点——分类需求并跨团队消除障碍
推动不汇报给你的团队采用平台能力和标准——通过信誉和说服力，而不是强制
在发现科学家、IT、全球平台团队和外部合作伙伴之间保持强大的利益相关者对齐
向高级利益相关者充分论证平台优先级和投资的合理性
工作职责
平台领导 - 单一问责点：
作为北京AI中心的单一问责点：分类需求、消除瓶颈并跨团队解决问题以确保成功
作为整个中心平台、数据和计算需求的升级和决策点，负责解决问题，而不仅仅是路由
主动清除跨越IT、发现、全球平台团队和外部合作伙伴的障碍
运行常设的跨职能协调，决定中心优先级和权衡
将模糊、快速变化的优先级转化为连贯的平台交付计划
向全球AI领导层和生态系统合作伙伴代表平台能力
计算赋能与研究计算战略：
掌握计算需求与供应情况：收集工作负载需求，预测需求，并映射IT可以规划和采购的场景
制定研究计算工程战略：工作负载如何打包、优化和服务，包括推理和服务战略（量化、批处理、吞吐量），以及交给IT的调度和编排要求
定义并强制执行MLOps标准——实验跟踪、模型注册、ML的CI/CD、环境和依赖管理——使计算开箱即用
为AI奠定健全的数据基础方向（AI就绪的流水线、协调、科学和文献数据的检索和嵌入基础设施），与拥有数据平台的IT和数据组织合作
Agent AI平台 - 方向与交付：
设定中心Agent AI平台的方向，并通过产品负责人及其团队进行交付
设定愿景和路线图：多Agent编排、本地Agent开发框架和科学工作流自动化
通过产品负责人和团队指导交付——设定结果，对交付负责并消除障碍，而不是亲自构建
根据衡量的影响力进行交付：采用率、开发者生产力、科学赋能和业务价值
判断构建、购买或合作的内容：评估中国LLM生态（Qwen, DeepSeek, GLM, Moonshot）并评估本地合作伙伴（如阿里、腾讯、百度）在推理、Agent托管和平台能力方面的合作
设定评估Agent可靠性、安全性和科学准确性的方法，并与产品负责人和IT定义在Agent触及敏感系统时谁拥有运行时防护和工具使用权限
AI工程 - 标准、评估与深度：
设定中心的AI工程标准：使工作可重现和可比较的方法、标准和评估框架
设定开放权重模型微调、后训练和推理优化的标准——方法选择、训练配置、可重现性、检查点和种子管理、结果验证——并据此评估团队工作
指导中心的评估平台：测试工具、指标仪表板、排行榜和评估即服务——包括采用哪些模型的技术评估，以及Agent行为和工具使用可靠性的评估
与发现团队合作策划领域相关的基准测试套件：指标、保留测试构建和数据泄露控制
建立客观标准以比较模型、工具和方法，支持基于证据的技术决策
团队领导：
建立并领导平台团队，设定技术文化
招聘、发展和保留平台团队
发展高级能力并设定技术质量标杆
运行北京招聘渠道：从顶尖本地高校和AI人才市场招募
建立一种在竞争激烈的市场中吸引和留住优秀人才的文化
入职和发展新员工
与全球平台负责人建立技术导师制度
建立具有明确标准、知识共享和持续能力发展的工程文化
优先资格
生物制药领域知识（药物发现、蛋白质工程、计算化学）
评估和管理外部技术合作伙伴关系（云、LLM或学术界）
在平台、基础设施和科学为独立团队的多组织交付模型中进行导航
研究数据的治理、安全和跨境/知识产权处理（考虑到环境，这是一个加分项，尽管数据组织和法务承担主要责任）
AI 洞察
优缺点分析
优点
- 参与从零搭建顶尖跨国药企的AI中心，拥有极高的战略视野与资源支持
- 处于AI for Science（AI驱动药物发现）的最前沿，技术栈涵盖最新的大模型与Agent技术
- 平台提供广阔的跨部门协作空间，能深度影响研发效能
- 需要在IT基础设施、科学团队和全球平台之间进行复杂的跨部门协调，矩阵管理难度大
- 需要同时兼顾技术深度与团队管理，对精力和综合能力要求极高
- 适合具备深厚AI平台工程背景、拥有从0到1搭建平台经验，且渴望在AI赋能生命科学领域发挥技术领导力的资深技术管理者
缺点 / 挑战
- 作为新中心的奠基者，面临较高的模糊性和从0到1的落地压力
角色解读
- 可向全球AI平台负责人或研发IT高管方向发展
- 在AI赋能药物发现这一前沿交叉领域，积累深厚的行业Know-how与顶尖AI人才管理经验，成为AI for Science领域的领军人物
- 负责从零搭建阿斯利康北京AI中心的数据与AI平台，统筹算力规划、MLOps标准及Agent AI平台方向
- 作为单一问责点，连接底层IT基础设施与前端药物发现科学团队，推动AI能力在研发中的规模化落地
- 带领平台团队，制定AI工程标准与评估框架，确保模型训练、推理及Agent编排的高效与可靠
- 具备深厚的AI/ML平台工程与MLOps经验，熟悉大模型微调、推理优化及多Agent编排
- 拥有技术团队管理经验，能在矩阵组织中跨部门协调IT、科学团队及外部合作伙伴
- 熟悉中国本土AI生态（如Qwen、DeepSeek等模型及云厂商），并能用流利的普通话进行技术领导
申请策略
- 准备关于如何在模糊环境中建立平台标准并推动非汇报线团队采用的具体案例
- 了解阿斯利康在AI药物发现领域的最新战略和公开研究成果
- 突出从零构建AI/ML平台并推动科学/研究团队实际采用的成功案例
- 强调在MLOps、大模型微调/推理优化及Agent编排方面的技术深度与标准制定经验
- 展示在矩阵组织中跨部门协调、带领技术团队及与外部生态（如国内大模型厂商）合作的经历
- 深入了解AI for Science（特别是计算化学和生物工程）的业务逻辑与痛点
- 熟悉国内主流大模型（Qwen, DeepSeek, GLM）的最新技术特性及本地化部署方案
面试指南
- 采用STAR法则，重点突出“从0到1”的构建过程、跨部门协调中的“影响力”而非“强制力”，以及技术决策背后的业务/科学价值衡量
- 请分享一个你从零开始构建并被研究团队成功采用的AI平台案例，你遇到了哪些挑战？
- 在矩阵组织中，当IT、科学团队和全球平台团队的优先级发生冲突时，你如何作为单一问责点进行协调和决策？
- 你如何评估和选择中国本土的大模型（如Qwen、DeepSeek）来支持我们的Agent AI平台？
- 请描述你如何制定MLOps标准和模型评估框架，以确保AI工程的可重复性和科学性？
- 深入了解阿斯利康北京AI中心的三大支柱架构（发现垂直领域、数据与AI平台、研发IT）及其边界
- 复习大模型微调、推理优化、多Agent编排的最新技术进展及国内生态现状
职位点评
薪资福利85
成长发展90
工作生活60
使命价值95
薪资福利
85较高
跨国巨头核心AI战略岗位，薪资福利处于市场高位，提供搬迁支持，整体薪酬回报丰厚。
薪资信号未披露（AI估算：6千–10万/月）
福利待遇relocation support
成长发展
90较高
处于AI for Science最前沿，接触基础模型、Agent AI及大规模科学计算，技术成长空间极大，且有机会建立全球影响力。
技术前沿前沿/新兴技术
技术栈Foundation Models、Agentic AI、MLOps、LLM、Fine-tuning、Inference Optimisation、Multi-agent orchestration
成长机会technical mentorship with global platform leads、continuous capability development
业务类型ambiguous
工作生活
60中等
要求全职现场办公，且作为新中心单一问责点，面临较高模糊性和跨部门协调压力，WLB可能受限。
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）
使命价值
95较高
利用AI加速药物发现，直接推动生命科学领域的重大突破，具有极高的社会价值和使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号accelerate drug discovery through AI、apply foundation models... to real R&D problems
创新程度开拓性创新（行业首创）
阿斯利康 的其他在招职位
相似职位推荐
Watch Jobs