一汽丰田
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
数据开发部
高级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
PyTorch
RAG
LLMOps
LLM
向量数据库
大模型
vLLM
AI 估算 · 30k–50k
AI架构专家岗位稀缺，技术要求高，一汽丰田为大型上市企业，薪资具有市场竞争力。
职位详情
关于这个职位
作为AI架构专家，你将负责制定公司级AI技术战略，推动大模型在研产销服全价值链的落地
需要主导LLMOps平台建设、RAG架构设计与性能优化，同时探索多模态、智能体等前沿技术，确保技术投入转化为业务价值
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
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
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
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
- 参与从零到一构建企业级AI基础设施，具有极高的技术影响力
- 传统车企数字化转型窗口期，有机会将前沿技术落地到实际场景
- 大型上市公司平台稳定，资源充足，可接触头部厂商和顶级学界
- 传统制造业的技术氛围与互联网大厂有差异，推动变革可能面临组织阻力
- 需同时兼顾技术先进性与业务稳定性，平衡难度大
- 工作地点可能不在核心一线城市，影响生活便利性
- 适合希望在企业级AI领域深耕、具备全栈思维和战略视野的技术专家，尤其是对智能制造和传统行业转型有兴趣的候选人
缺点 / 挑战
暂无明显挑战项
角色解读
- 可晋升为首席AI科学家或AI技术副总裁，主导集团AI战略
- 可转向更广泛的数字化或智能制造高管岗位
- 也可在AI技术深度上持续深耕，成为行业技术布道者
- 制定企业级AI战略路线图，推动大模型在汽车全价值链的落地
- 主导LLMOps平台建设，包括模型部署、RAG架构、Agent编排等
- 跟踪前沿技术（多模态、智能体）并快速原型验证
- 负责AI项目的立项、资源调配及全生命周期管理，确保业务价值
- 精通Transformer架构和主流开源大模型（Llama, Qwen等）
- 具备生产环境大模型落地经验，熟悉模型量化、剪枝及推理框架（Triton/vLLM）
- 深厚的后端工程能力，精通Python/Go/Java及向量数据库
- 战略视野与业务对齐能力，能甄别AI伪需求
申请策略
- 提前了解一汽丰田当前的数字化转型战略，面试时展现与公司方向的契合度
- 准备一个技术愿景提案，展示如何将AI能力融入汽车全价值链
- 突出从0到1的大模型落地项目，尤其是生产环境中的架构设计和优化经验
- 强调在大型组织内推动AI战略的经历，包括与业务方和决策层的沟通案例
- 列出开源贡献或顶会论文，作为技术深度的佐证
- 补充汽车行业或制造业的业务知识，理解研产供销服全链路
- 强化LLMOps和RAG架构的实践能力，可参与相关开源项目
面试指南
- 使用STAR原则描述项目：情境、任务、行动、结果，突出架构决策和量化价值
- 对于评估类问题，从业务价值、技术可行性、成本效益三个维度分析
- 请描述你主导过的一个大模型落地项目，从架构设计到最终价值交付的全过程
- 传统车企数据基础较弱，你如何设计数据清洗和向量化流程？
- 你如何评估一个业务需求是否值得使用大模型？请举例说明
- 在多模型场景下，如何设计统一的推理平台以降低成本？
- 如果LLM产生幻觉导致业务事故，你怎么预防和应对？
- 复习企业级LLMOps的主流方案（如LangChain、Ray、Dify等）和业界最佳实践
职位点评
68
综合评分
传统车企AI转型核心岗位，前沿技术栈，发展空间大，但办公灵活性和地点存在不确定性。
更适合这类人
适合追求技术前沿、快速成长的求职者，对WLB要求不高，愿意深入制造业场景。
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85
工作生活40
使命价值70
薪资福利
75中等
薪资具有市场竞争力，但具体城市未明，可能影响不同城市的购买力。传统车企福利稳定。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
职位涉及前沿大模型技术，成长空间大，但JD未明确提及晋升通道或培训。
技术前沿前沿/新兴技术
技术栈LLM、多模态、Agent、RAG、LLMOps
业务类型ambiguous
工作生活
40较低
未见远程办公或弹性工作信息，工作地点可能为非一线城市，生活便利性一般。
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
70中等
属于传统制造业转型升级，社会价值中等，行业增长稳定，创新性强。
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
一汽丰田 的其他在招职位
相似职位推荐
Watch Jobs