一汽-大众汽车
AI架构专家
AI架构专家
发布于 大约 3 小时前普通员工/个人贡献者
长春市
高级经验
全职员工
仅现场办公
本科
信息技术与基础设施
RAG
GO
LLMOps
LLM
多模态
汽车行业
模型量化
向量数据库
大模型
AI 估算 · 35k–60k
传统车企AI领导岗位，需深厚技术背景，市场稀缺，但长春消费较低，综合薪资有竞争力。
职位详情
关于这个职位
作为一汽-大众的AI架构专家，你将负责制定企业级AI战略，主导大模型在汽车全价值链的落地，从技术选型到工程化部署，推动智能制造与业务创新
这是一个兼具技术深度与战略视野的岗位，适合希望在传统行业引领AI变革的资深工程师
最低要求
国内大学统招本科及以上学历，或已取得教育部留学服务中心认证的“学历学位认证书”的本科及以上学历留学生，计算机或相关专业
核心技术背景：
·5年以上AI或大规模分布式系统架构经验
·深度理解Transformer架构、主流开源模型（Llama, Qwen, DeepSeek等）的特性
·精通主流大模型开发框架
工程实践能力：
·有实际落地过生产环境下的大模型应用经验，熟悉模型量化、剪枝及Triton/vLLM等推理框架
·具备深厚的后端工程能力，精通Python/Go/Java，对向量数据库有深入研究和实用经验
架构思维：
·能够从系统论角度思考问题，平衡技术先进性与业务稳定性，具备处理海量异构数据和复杂系统集成的经验
战略与前瞻视野：
·具备卓越的技术洞察力，能够从前沿论文和工程实践中识别出真正具备商业潜力的内容
·具有大型组织（如互联网大厂、全球性制造企业）的AI数字化转型实操经验，有能力与业务方及决策层进行深度技术沟通
工作职责
企业级AI战略规划与落地：
·负责制定部门甚至公司级的AI和大模型技术演进路线图（3-5年），将AI能力深度嵌入研、产、供、销、服的全价值链
·建立大模型应用的价值评估体系，负责重大AI项目的立项、资源调配及全生命周期管理，确保技术投入转化为实际的业务增量或成本降幅
·主导与头部大模型厂商、科研院所及开源社区的战略合作，构建车企特有的AI生态圈
行业前沿技术探索：
·持续跟踪LLM、多模态、智能体（Agent）的最新突破
·主导前瞻性技术的快速迭代与原型开发，验证SLM（小参数模型）端侧部署、多模态感知融合等前沿技术在汽车场景的可行性
企业级LLMOps平台建设：
·从零到一构建并管理支持多模型（开源/闭源）、多模态的大模型底座平台
·设计高效的RAG架构，解决大模型在垂直领域知识缺失和“幻觉”问题
·建立完善的Agent编排框架，使大模型能够调用企业内部接口（如SAP, MES, CRM等）完成闭环任务
工程化与性能优化：
·制定模型推理加速、高并发处理及成本控制（Token调度与缓存策略）的工程方案
·构建自动化的模型评估体系，量化大模型在不同业务场景下的表现
数据资产治理与安全：
·设计面向大模型的非结构化数据清洗、向量化及动态更新流程
·在私有化部署环境下，确保数据脱敏、内容审查及访问控制符合合规要求
业务战略对齐：
·评估各业务部门的需求，判断其是否具备“大模型价值”，剔除那些为了AI而AI的伪需求
·定义技术路线图，决定何时使用微调（Fine-tuning），何时仅依靠Prompt Engineering或RAG或其他技术方案
优先资格
其他：
·有汽车行业背景或大型制造业数字化转型经验者优先
·在顶会（NeurIPS, ICML, ICLR等）发表过论文或有知名开源项目贡献者优先
AI 洞察
优缺点分析
优点
- 身处头部车企核心转型部门，直接参与大规模AI战略制定，影响力大
- 技术栈前沿，涉及LLM、多模态、Agent等热门方向，积累宝贵经验
- 平台稳定、资源充足，能接触真实业务场景和海量数据，技术落地机会多
- 薪资福利优厚，兼具大厂待遇和传统企业的稳定性
- 传统车企技术迭代速度相对互联网较慢，可能需要在组织变革中推动创新
- 适合资深AI架构师，希望在传统行业大展拳脚，既追求技术前沿又看重稳定平台，且具备战略沟通能力的技术专家
缺点 / 挑战
- 岗位要求极高，需同时具备技术深度、架构能力和战略视野，压力较大
- 汽车行业知识门槛较高，需要快速理解业务场景，避免“伪需求”干扰
角色解读
- 从AI架构专家晋升为首席AI科学家或技术副总裁，主导集团级AI转型
- 横向拓展至其他传统行业（如制造、能源）担任AI数字化转型负责人
- 积累汽车行业深度经验后，可进入AI创业或咨询领域，提供行业解决方案
- 制定企业级AI战略与3-5年技术路线图，推动大模型在研产供销服全链路落地
- 从零构建LLMOps平台，包括多模型底座、RAG架构和Agent编排框架
- 主导前沿技术探索，验证SLM端侧部署、多模态感知融合在汽车场景的可行性
- 负责模型推理加速、成本优化以及自动化评估体系建设
- 精通Transformer架构及主流开源模型（Llama, Qwen等），具备5年以上AI架构经验
- 扎实的工程能力，精通Python/Go/Java，熟悉vLLM/Triton推理框架及向量数据库
- 具备系统架构思维，能平衡技术先进性与业务稳定性，处理海量异构数据集成
- 战略视野与商业敏感度，能识别真正有商业潜力的技术，并与管理层有效沟通
申请策略
- 面试前仔细研究一汽-大众的数字化战略和已有AI项目，准备针对性案例
- 强调跨部门协作经验，展示如何与业务方、决策层有效沟通技术价值
- 突出大模型落地项目经验，特别是生产环境下RAG、推理加速、Agent等具体成果
- 强调架构设计能力，如多模型平台、分布式系统、数据治理等规模化经验
- 展示技术影响力：发表论文、开源贡献、技术专利或行业演讲
- 体现业务理解：描述如何通过AI实现业务降本增效或创新价值
- 补充汽车行业知识，例如研产供销服流程、MES/SAP等系统，提升业务对齐能力
- 深入学习LLMOps工具链，如LangChain、LlamaIndex、Ray等
面试指南
- 对技术问题，采用STAR法则（情境-任务-行动-结果），结合具体项目和量化指标
- 对战略问题，突出系统思考和商业价值导向，先分析再决策
- 对挑战问题，展现务实态度，既承认困难又提出分阶段解决方案
- 请描述你主导过的一个大模型落地项目，从需求评估到上线全流程
- 你认为在传统制造企业落地AI最大的挑战是什么？如何克服？
- 如何判断一个业务需求是否真正需要大模型？请举例说明
- 设计一个RAG系统，如何解决知识更新和幻觉问题？
- 比较微调、Prompt Engineering和RAG的适用场景及优缺点
职位点评
69
综合评分
传统车企AI核心岗位，前沿技术栈，高成长性，但WLB和灵活性一般。
更适合这类人
最适合注重技术成长和职业发展，愿意在传统车企推动变革，且不介意现场办公和长春生活环境的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利
75中等
该职位薪资待遇在传统车企中处于较高水平，但相比互联网大厂可能略有差距，福利稳定但不突出。整体补偿性较好。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
90较高
岗位核心技术栈前沿，涉及LLM、多模态、Agent等热门方向，且有明确的战略规划职责，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、多模态、Agent、RAG、LLMOps、模型量化、vLLM、Triton
成长机会技术演进路线图、前沿技术探索、战略合作
业务类型profit_center
工作生活
40较低
工作地点在长春，仅现场办公，未提及弹性工作或远程，传统车企文化，WLB可能一般。
工作模式仅现场办公
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
70中等
汽车行业是稳定成熟行业，但正处于智能化转型期，有一定社会价值；但使命感信号不强。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs