海尔
AI架构师
AI架构师
发布于 5 小时前中层管理(经理/总监)
全职员工仅现场办公架构师
架构师
Agent框架
Rag
向量数据库
团队管理
多模态技术
大语言模型 (Llm)
值不值得投
80综合评分
综合评分 80
海尔AI技术管理核心岗，前沿技术栈，高成长性，管理与发展并重
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比架构师中位数高
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 660 个在招 · 其中架构师 8 个
市场机会
选择适中
青岛 · 架构师 · 11 个在招
职位详情
关于这个职位
负责统筹海尔AI技术整体架构规划与落地，带领技术团队进行多模态大模型（LLM）及Agent系统的战略设计与研发
需深入理解Transformer、RAG等前沿技术，构建企业级Skill中台，推动AI技术在业务场景中的产品化部署与迭代，保障技术底座稳定并支撑业务拓展
最低要求
计算机科学、人工智能、机器学习或相关专业，本科及以上
硕士优先
具备优秀的编程能力和经验，熟悉Python、C/C++等编程语言，具有扎实的数据结构和算法功底
年以上 + AI Agent/多智能体系统架构设计与落地经验
深入理解Transformer、注意力机制、MoE、预训练/微调、RLHF等大模型原理
熟悉主流LLM（GPT-4、Claude、Llama、Qwen等）的能力边界、API与部署
熟悉向量数据库（Milvus、Pinecone、FAISS）、Embedding、RAG/GraphRAG架构
精通单Agent / 多Agent核心范式：ReAct、Reflection、Chain-of-Thought、Tool Calling、Function Calling、规划（Planning）、记忆（Memory）、执行（Action）
熟练使用主流Agent框架：LangChain、LangGraph
熟悉主流MCP设计模式：发布/订阅（Pub/Sub）、基于工作流编排（Workflow + Agent）等
具备Skill技能引擎能力，能设计Skill注册、调度、编排，构建企业级Skill中台/技能库
工作职责
统筹 AI 技术整体架构规划与落地，负责技术团队日常管理、人才培养、技术规范与技术能力体系建设，保障技术底座稳定、可迭代、可支撑业务拓展
负责多模态大模型的探索规划，包括技术研究、战略规划、方案设计等
负责多模态大模型的行业信息调研、客户需求分析对接，以完成模型自进化为目标设计整体架构，对自有方案和产品提出相应改进建议
负责大模型开发的全流程管理，包括相关属性评测、海量训练数据准备、产品化部署落地及项目成本控制等
结合业务领域真实问题，研究学习业内领先思路，协助构建行业领先的多模态核心能力
AI 洞察
优缺点分析
优点
- 平台优势：依托海尔这一全球知名巨头，拥有海量的真实业务场景和数据资源
- 技术前沿：直接参与多模态大模型和Agent等最前沿技术的落地，技术含金量高
- 管理权限：拥有技术团队管理权和技术路线决策权，有利于积累管理经验
- 稳定性：上市公司背景，相比初创公司提供更稳定的职业环境
- 技术落地难度：传统制造业巨头内部可能存在系统遗留问题，AI技术与现有业务融合难度大
- 管理复杂度：需要协调多方利益，平衡技术创新与业务成本，沟通成本高
- 地域因素：相比北上深，青岛的高端AI人才交流圈子相对较小
- 适合具备深厚AI技术背景、有成功的大模型或Agent落地经验，且希望从纯技术转向技术管理的资深从业者
缺点 / 挑战
- 竞争压力：AI领域技术迭代极快，需持续高强度学习以保持技术领先性
角色解读
- 纵向发展：成为首席AI科学家或CTO级别的技术高管，主导集团数字化转型战略
- 横向拓展：从单一AI技术向全栈智能化解决方案专家转型，涵盖IoT、云计算等领域
- 行业影响力：在AI Agent与大模型应用领域建立行业标准，提升个人在科技界的影响力
- 制定并执行公司AI技术战略，特别是多模态大模型和Agent系统的架构设计
- 管理AI研发团队，建立技术规范，培养人才，确保技术底座的稳定性与迭代能力
- 主导大模型从理论研究、数据准备、训练微调 to 产品化部署的全流程管理
- 对接业务需求，利用AI技术解决实际问题，构建企业级Skill中台
- 深厚的AI理论基础，精通Transformer、MoE、RLHF等原理及主流LLM应用
- 丰富的Agent架构经验，熟练掌握LangChain/LangGraph及多Agent协作范式
- 扎实的编程功底（Python/C++）及数据结构算法能力，熟悉向量数据库与RAG架构
- 具备团队管理能力，能统筹技术规划、项目成本控制及跨部门协作
申请策略
- 提前了解海尔在智能家居、工业互联网等领域的数字化布局，思考AI如何赋能这些场景
- 面试中重点展示‘技术+管理’的双重能力，避免只谈技术细节而忽略团队建设和战略规划
- 突出大模型（LLM）和多模态技术的实际落地案例，强调性能优化和业务价值
- 详细展示Agent架构设计经验，特别是多Agent协作、工具调用及Skill中台构建的具体实践
- 强调团队管理经验，如团队规模、人才培养成果及技术规范建设成效
- 列举掌握的核心技术栈，如LangChain、RAG、向量数据库等，体现技术广度与深度
- 深入研究多模态大模型的最新进展（如Sora类视频生成、复杂推理模型）
- 强化对企业级AI治理、模型安全及合规性的理解
面试指南
- STAR法则：情境(Situation)-任务(Task)-行动(Action)-结果(Result)，重点突出行动中的技术决策和管理手段
- 数据驱动：用具体数据（如效率提升百分比、成本降低金额、准确率提升等）证明成果
- 结构化思维：分层次回答，先讲宏观架构，再讲关键技术点，最后讲团队协同
- 请分享一个你主导的多模态大模型或Agent系统从0到1落地的完整案例，遇到的最大挑战是什么？
- 在构建企业级Skill中台时，如何解决技能的复用性、版本管理和权限控制问题？
- 如何评估大模型在具体业务场景中的效果？有哪些关键指标？
- 作为技术管理者，你如何平衡新技术探索与现有业务系统的稳定性？
- 面对快速迭代的AI技术，你如何保持团队的技术敏锐度和学习能力？
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
作为上市巨头的高级管理岗，薪资水平通常高于市场平均，且福利体系完善，能满足较高的补偿性动机。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
90较高
职位涉及最前沿的AI Agent和大模型技术，且具备团队管理职能，能提供极佳的技术成长和管理晋升空间。
技术前沿前沿/新兴技术
技术栈AI Agent、多模态大模型、Transformer、RLHF、LangChain、RAG、向量数据库
成长机会技术团队日常管理、人才培养、技术能力体系建设
业务类型profit_center
工作生活
60中等
虽然地点在青岛生活成本较低，但作为架构师兼管理者，需承担技术规划和团队管理责任，工作强度可能较高，WLB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
75中等
在传统制造业巨头推动AI转型，具有显著的行业变革意义和社会价值，能带来较强的成就感。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs