海尔
AI工程化架构师
AI工程化架构师
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公架构师
架构师
Ai工程化
Llmops
Mlops
数据回流
架构设计
模型部署
值不值得投
74综合评分
综合评分 74
海尔核心AI工程化架构岗，技术前沿且成长空间大，适合追求技术深度与业务影响力的资深专家。
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
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 470 个在招 · 其中架构师 2 个
市场机会
选择不多
青岛 · 架构师 · 8 个在招
职位详情
关于这个职位
该职位负责海尔MLOps/LLMOps整体架构方案设计与模型全生命周期链路规划，推动AI能力与多领域业务流程深度融合
你需要解决云边端协同部署、多模型并行服务等复杂技术难题，并引入前沿架构方案，打造可复制推广的AI工程化解决方案
最低要求
计算机、软件工程等相关专业硕士及以上学历，7年以上平台架构或AI工程化领域工作经验，其中至少3年MLOps/LLMOps架构设计经验，有跨领域业务场景的AI工程化架构方案交付落地经历
深刻理解模型全生命周期各环节（数据回流、清洗标注、训练微调、评估、云边端部署、监控）的架构关联与衔接机制，精通从整体蓝图到节点细化的分层架构设计方法，统筹通用平台能力与业务差异化需求的架构平衡
熟悉各行业AI应用场景的业务流程与数据特征，能将业务侧的数据流转、迭代节奏、部署诉求等映射到MLOps流程架构中，设计数据回流机制、清洗标注流程、训练评估衔接、云边端部署策略等业务侧整合方案，推动AI能力与业务流程深度融合
精通云、边、端协同部署架构设计，熟悉模型分层部署策略（云端推理/边端轻量化/端侧离线）与资源分配机制，能根据业务场景的延迟、带宽、算力约束设计适配的部署架构，统筹多模型并行服务与弹性扩缩容的架构支撑
持续关注MLOps/LLMOps与AI工程化前沿架构方向（如数据回流闭环架构、持续学习与迭代架构、边端智能架构等），能评估新架构方案的适用性与落地路径，推动工程化架构的持续演进
极强的架构抽象与系统思维，能将多领域业务诉求统一抽象为可扩展的架构方案
优秀的架构文档撰写习惯，能用清晰的架构蓝图固化设计
出色的跨团队推动能力，能协调算法、工程、运维及各业务团队将架构方案高效落地
工作职责
负责MLOps/LLMOps整体架构方案设计，规划模型全生命周期链路（数据回流→数据清洗与标注→训练/微调→评估→云/边/端部署→监控）的架构蓝图与关键节点衔接机制
统筹各领域业务场景的MLOps流程整合方案，确保工程化架构既能满足通用平台能力要求，适配不同业务领域的差异化诉求
针对各领域业务场景，设计MLOps流程的业务侧整合方案，包括业务数据回流机制规划、数据清洗与标注流程架构、训练/微调任务与业务迭代节奏的衔接、模型评估体系与业务指标的映射、云边端部署策略与业务场景适配等
通过架构设计推动AI能力与业务流程深度融合，降低各领域接入AI平台的门槛
解决架构落地中的复杂技术与业务整合问题，重点攻关多领域业务数据回流与标注流程的一致性保障、云边端协同部署的架构统筹、多模型并行服务与资源动态分配的架构支撑、业务侧监控与平台侧运维的联动机制等关键难题
跟踪AI工程化与MLOps/LLMOps架构演进趋势，评估并引入前沿架构方案（如数据回流闭环架构、云边端一体化部署架构、模型持续学习与迭代架构等），持续优化架构设计与技术选型，推动工程化架构能力迭代升级
推进AI工程化架构关键方案在业务场景中的示范应用，形成可复制推广的MLOps/LLMOps业务侧整合架构解决方案
AI 洞察
优缺点分析
优点
- 平台广阔：依托海尔庞大的跨国业务场景，能接触到极其丰富的AI落地场景与海量数据
- 技术前沿：聚焦MLOps/LLMOps及云边端协同部署等当前AI工程化最核心、最前沿的技术方向
- 影响力大：作为架构师，你的设计将直接决定集团AI能力的底座，具有极高的业务杠杆率
- 业务复杂度高：需要统筹跨领域、多业务线的差异化诉求，平衡通用平台能力与定制化需求难度极大
- 落地阻力：推动跨团队（算法、工程、运维、业务）协作并让架构方案真正落地，需要极强的沟通与推动能力
- 具备深厚AI工程化背景、拥有全局系统思维且擅长跨团队复杂项目推进的资深技术专家
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可发展为首席架构师或AI技术总监，主导集团级AI基础设施与技术战略
- 横向可转型为AI业务线技术负责人，将AI工程化能力深度赋能至各产业板块
- 负责MLOps/LLMOps整体架构设计，规划从数据回流、训练微调到云边端部署的模型全生命周期链路
- 解决多领域业务场景下的复杂技术难题，如云边端协同部署、多模型并行服务与资源动态分配
- 跟踪前沿AI工程化架构趋势，推动架构方案在业务场景中的示范应用与复制推广
- 精通MLOps/LLMOps架构设计，深刻理解模型全生命周期各环节的衔接机制
- 具备极强的云、边、端协同部署架构设计能力，熟悉模型分层部署与资源分配机制
- 拥有出色的架构抽象与系统思维，能跨团队协调算法、工程、运维等多方资源推动方案落地
申请策略
- 提前了解海尔智家、卡奥斯等核心业务板块的AI应用场景，思考MLOps如何赋能这些具体业务
- 突出主导过的MLOps/LLMOps平台或AI工程化架构从0到1或从1到N的完整落地经验
- 详细阐述在云边端协同部署、多模型并行服务或资源动态分配等复杂场景下的架构设计与优化成果
- 强调跨团队推动能力，展示如何协调多方资源解决业务与技术整合难题的成功案例
- 深入了解大模型（LLM）在工程化落地中的特有挑战，如显存优化、推理加速、持续学习等
- 复习并巩固云原生、边缘计算及微服务架构在AI场景下的最佳实践
面试指南
- STAR法则：针对架构设计和落地问题，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)展开，重点突出你的架构思考与权衡(Trade-off)
- 业务价值导向：在回答技术问题时，始终将技术决策与业务价值（如降本增效、降低接入门槛、提升迭代效率）挂钩
- 请分享一个你主导过的最复杂的MLOps/LLMOps架构设计案例，你是如何平衡通用平台能力与业务差异化需求的？
- 在云边端协同部署中，针对延迟、带宽和算力约束，你是如何设计模型分层部署策略的？
- 当算法团队、工程团队和业务团队对架构方案存在分歧时，你通常如何推动共识并保证落地？
- 面对大模型时代的到来，你认为现有的MLOps架构需要做哪些演进和升级？
- 准备1-2个深度的架构设计文档或蓝图（可脱敏），面试时能结合图表进行清晰讲解
- 梳理海尔主要业务线的痛点，准备一套针对性的AI工程化赋能思路
职位点评
薪资福利80
成长发展85
工作生活50
使命价值70
薪资福利
80较高
资深AI架构师岗位在青岛地区属于高薪职位，且海尔作为上市企业，薪酬福利体系完善，整体补偿性动机满足度较高。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
85较高
岗位聚焦MLOps/LLMOps及云边端协同等前沿技术，且要求跟踪架构演进趋势，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈MLOps、LLMOps、云边端协同部署、模型全生命周期、数据回流闭环架构
成长机会跟踪AI工程化与MLOps/LLMOps架构演进趋势、推动工程化架构能力迭代升级
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，且架构师岗位通常面临较高的跨团队沟通与落地压力，工作节奏可能较快。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
依托海尔庞大的实体产业背景，AI工程化落地能切实推动传统制造业的智能化转型，具有一定的产业赋能意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs