百度
汽车云解决方案架构师（J106854）
汽车云解决方案架构师（J106854）
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公解决方案
解决方案
Ai Infra
Gpu算力
Maas
云原生
云存储
公有云
售前支持
大模型
解决方案架构
值不值得投
薪资怎么样
5.5万
比解决方案中位数高
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 1310 个在招 · 其中解决方案 20 个
市场机会
选择面较广
北京 · 解决方案 · 约 170 个在招
职位详情
关于这个职位
面向汽车行业头部客户，负责百度智能云公有云解决方案的整体架构设计与落地推进，重点覆盖 GPU 算力、云存储、云原生、AI 平台及大模型应用等方向
你需要深入理解客户在智能驾驶、智能座舱、大模型应用创新等场景下的业务诉求，输出可落地、有业务价值的方案，并联合销售、产研、TAM 等团队推动项目闭环
最低要求
本科及以上学历，计算机、软件工程、人工智能、车辆工程等相关专业优先
年以上云计算、AI基础设施或企业级IT架构相关经验
有云厂商大客户售前、解决方案架构师、PDSA、交付架构师或技术顾问经验者优先
熟悉公有云核心能力，理解计算、存储、网络、安全、专线、容器、云原生、监控等基础产品和典型架构，能够面向客户完成整体方案设计和技术讲解
理解GPU智算、云存储、云原生及AI Infra的核心概念和典型应用场景，能够与客户及内部专家团队高效沟通，组织形成完整解决方案
具备一定云平台实操经验者优先
理解大模型应用和MaaS服务模式，熟悉模型训练与推理、Agent应用、模型服务化等场景，能够结合客户业务需求设计AI解决方案
具备优秀的大客户沟通、方案表达、项目主导和资源协调能力，客户成功意识强，责任心强，能适应重点客户高强度支持、阶段性出差和复杂项目推进节奏
工作职责
面向汽车行业头部客户，负责百度智能云公有云解决方案的整体架构设计、技术沟通和项目推进，重点覆盖GPU算力、云存储、云原生、AI平台及大模型应用等方向
深入理解客户在智能驾驶、智能座舱、大模型应用创新等场景下的业务诉求，结合百度智能云产品能力，输出具备业务价值和可落地性的解决方案
围绕客户在GPU、存储、云原生等核心云资源上的使用需求，主导方案组织和资源协调，联合产研、TAM等团队完成技术论证、方案落地、问题处理和持续优化
结合百度智能云AI产品和大模型能力，推动客户AI方向深度合作，包括MaaS服务、Agent工具、多模态应用等场景的方案设计和落地推进
作为客户与百度智能云内部团队之间的关键技术接口，准确理解客户需求，识别关键问题和商业机会，拉通销售、产品、研发、运维、职能等多方资源，推动项目闭环
配合客户经理推进重点商机，包括客户拜访、需求澄清、方案宣讲、POC设计、投标技术支持、成本测算、资源评估、报价支持和高层汇报材料准备等
持续经营客户技术关系，与客户架构、研发、算法、运维及管理层保持高质量沟通，提升客户满意度、合作深度和百度智能云在客户侧的技术影响力
沉淀重点客户实践，形成汽车行业解决方案、最佳实践、产品改进建议和标杆案例，推动百度智能云在汽车行业的产品能力和解决方案竞争力提升
优先资格
有服务头部新势力车企、主机厂、自动驾驶公司或大型制造业客户的经验
有百度智能云或其他主流公有云平台的大客户项目经验，熟悉GPU、存储、云原生或AI相关方案
有大模型应用、MaaS服务、Agent工具平台等项目实践经验
AI 洞察
优缺点分析
优点
- 技术栈贴近当下热点：GPU算力、云原生、大模型、MaaS与Agent，技能积累不易过时
- 客户为汽车行业头部企业，项目体量大、场景复杂，能快速积累可复用的行业案例与方法论
- 岗位同时接触技术、商务与管理层，视野宽、资源协调经验对后续发展很有帮助
- 云计算与大模型基础设施仍处投入期，行业需求相对旺盛
- 需要适应重点客户高强度支持和阶段性出差，项目节奏受客户与商机时间窗影响较大
- 对知识广度要求高：既要懂云基础架构，又要懂GPU智算与大模型应用，还要能做商务支持
- 适合有多年云或AI基础设施经验、乐于面对客户、擅长跨团队推动复杂项目落地的人
- 不适合只想深耕单一技术栈、偏好安静写代码的候选人
缺点 / 挑战
- 作为关键接口需同时面对客户诉求与内部资源约束，沟通与协调压力不小
角色解读
- 纵向可成长为行业解决方案负责人、云业务技术总监，主导更大范围的行业打法与团队
- 横向可转向产品经理/产品架构、行业生态合作或大客户销售管理，带着技术背景做商业化
- 深耕汽车与AI交叉领域后，在智能驾驶、智能座舱、大模型应用等赛道具备较强的稀缺性与议价能力
- 为汽车行业头部客户设计百度智能云的整体技术方案，覆盖GPU智算、云存储、云原生、AI平台与大模型应用等方向
- 作为客户与内部团队的桥梁，澄清需求、组织技术论证、设计POC并配合投标与报价，推动重点商机落地
- 联合销售、产品、研发、交付（TAM）等多方资源解决落地过程中的问题，保障客户使用效果与满意度
- 沉淀汽车行业解决方案、最佳实践与标杆案例，反哺产品改进与行业竞争力
- 扎实的公有云架构功底：计算、存储、网络、安全、专线、容器、云原生、监控等产品与典型架构
- GPU智算与AI Infra理解力，能与客户算法/基础设施团队就训练推理、资源调度等做技术对话
- 大模型应用与MaaS、Agent、模型服务化等场景的方案设计能力
- 大客户售前能力：需求挖掘、方案宣讲、POC设计、投标技术支持、成本测算与高层汇报
申请策略
- 投递前了解百度智能云在汽车行业的公开案例与产品线命名，面试时能对上号会加分
- 准备1-2个从需求澄清到落地交付的完整项目故事，体现你的端到端主导能力
- 突出服务过的大客户类型与项目规模，尤其是车企、主机厂、自动驾驶或大型制造业客户案例
- 量化你的方案成果：如支撑的GPU卡规模、存储/算力成本优化幅度、POC转化为订单的情况
- 列出你熟悉的公有云产品清单与架构方案，明确标注GPU智算、云原生、存储方向的实际项目
- 补充大模型相关实践：MaaS服务接入、Agent工具平台、模型训练推理部署等落地细节
- 补齐大模型工程侧知识：模型服务化、推理优化、Agent编排框架的典型架构与成本结构
- 系统梳理GPU智算集群方案：卡型选择、网络互联（IB/RoCE）、调度与存储配套
面试指南
- 用「客户业务目标—技术约束—方案选型—落地结果—复盘沉淀」五段式讲项目，突出你的判断依据而非罗列技术名词
- 回答架构题先给结论与总体分层，再展开关键取舍（性能、成本、可运维性），最后说明风险与备选方案
- 回答协作题用具体冲突场景+你采取的动作+最终结果，体现资源拉通与客户成功意识
- 请介绍一个你主导的车企或大型客户云方案，客户诉求是什么，你如何设计架构并推动落地？
- 客户要做智能驾驶数据闭环，训练集群需要上千张GPU，你会如何设计算力、存储与网络方案？
- 如何向客户解释MaaS与自建推理集群的取舍？你会怎么算成本账？
- 当客户需求与内部产品能力、资源排期冲突时，你如何协调研发与交付团队？
- 你如何判断一个商机的技术可行性与成单可能性，POC阶段你会怎么设计验证点？
百度 的其他在招职位
相似职位推荐
Watch Jobs