顺丰速运
AI高级架构师
AI高级架构师
发布于 2 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
Aigc
Mlops
Pytorch
Rag
Tensorflow
分布式训练
大模型
值不值得投
72综合评分
综合评分 72
上市巨头核心AI团队、前沿技术栈与充足资源、技术与管理双重成长空间大，但工作强度与统筹压力较高。
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
6万
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 390 个在招
市场机会
选择适中
深圳 · 架构师 · 45 个在招
职位详情
关于这个职位
该职位负责顺丰AI平台与应用的整体架构设计及技术演进路线规划，主导AI基础设施与MLOps体系建设
你需要带领AI及数据团队，完成从模型训练、优化到工程落地的全生命周期管理，推动大模型等前沿AI技术在物流业务场景中的实际应用
最低要求
基本条件
全日制本科、硕士学历
人工智能、计算机科学、数学专业
年以上AI算法/模型开发经验，2年以上AI架构设计经验
有中大规模AI平台的架构设计和落地经验
硬性技能
AI框架与工具：精通TensorFlow/PyTorch/JAX等至少一种深度学习框架，熟悉DeepSpeed/Megatron-LM等分布式训练框架，熟悉MLFlow/Kubeflow/MLOps等平台工具
编程能力：精通Python、C++或Java，具备扎实的工程落地能力，有良好的代码设计和系统架构功底
算法理解：熟悉常见机器学习、深度学习算法，了解大模型（LLM）训练、微调（SFT/RLHF）、推理优化等相关技术
数据处理：熟悉大数据处理框架（Spark/Flink等），了解特征工程、数据管道、数据质量保障等技术
有AIGC/Agent/RAG/ChatBI等方向的实际应用落地经验
云原生与分布式：熟悉Kubernetes、Docker等容器化技术，具备大规模分布式系统设计经验，熟悉微服务架构、消息队列、缓存、负载均衡等
MLOps实践：深刻理解MLOps理念，有完整的MLOps体系搭建和落地经验，熟悉CI/CD/CT在AI领域的实践
软性素质
具备优秀的跨团队沟通协调能力和技术影响力，能够有效推动复杂项目的落地
强烈的技术热情和自驱力，持续跟踪前沿技术动态，具备技术判断力和决策能力
良好的逻辑思维和解决问题的能力，能够从系统工程视角进行全局思考
有团队管理或技术导师经验，能够有效指导和培养团队成员
工作职责
AI整体架构规划
负责公司AI平台和应用的整体架构设计，制定AI技术演进路线图，确保架构的前瞻性、扩展性和高可用性
深入理解业务需求，设计端到端的AI解决方案（涵盖数据采集、数据预处理、模型训练、模型评估、模型部署、推理服务、监控反馈全链路），输出技术解决方案
统筹管理AI项目全生命周期（从需求分析、技术选型到落地交付），把控技术风险，协调算法、工程、产品、数据等团队高效协作，确保项目按计划推进
技术选型与基础设施建设
主导AI基础设施（GPU集群、分布式训练框架、模型仓库、特征平台等）的规划与建设，持续优化资源利用效率
负责AI研发平台（标注平台、训练平台、推理平台、MLOps平台）的架构设计与落地，推动AI开发标准化的流程体系建设
持续跟踪AI领域前沿技术（大模型、多模态、Agent、AI Infra等），推动新技术在业务中的落地应用
负责产研测AI转型工具的开发及落地
模型全生命周期管理
建立并持续完善MLOps体系，涵盖模型版本管理、CI/CD/CT自动化流水线、模型监控告警、模型A/B测试、模型上线与灰度发布等机制
建立模型效果持续迭代机制，推动基于数据飞轮（数据回流、主动学习、人工反馈强化学习等）的模型持续优化闭环
AI模型训练优化及工程落地
负责AI模型的核心研发工作，包括但不限于数据清洗与预处理、特征工程、模型选型、训练调参、效果评估及持续优化
负责AI平台（标注平台、训练平台、推理平台）的功能开发和日常维护，优化平台易用性和稳定性
负责训练数据体系的建设，制定数据标注规范和质量标准，推动数据飞轮和模型迭代闭环的建立
跟进前沿AI技术，将最新算法（大模型微调、多模态对齐、强化学习等）落地到实际业务场景中，解决真实业务问题
负责AI推理服务的开发与维护，将训练完成的模型封装为高性能、高可用的在线/离线服务（RESTful API、gRPC、流式服务等），保障线上服务的稳定性
负责模型服务的性能压测、瓶颈分析和容量规划，持续优化服务吞吐和延迟，保障SLA
团队管理与人才培养
负责AI及数据团队的建设与管理，制定团队中长期发展规划和人才梯队建设方案
指导并培养团队成员（算法工程师、AI平台工程师、MLOps工程师等），参与核心代码审查，把控关键技术决策
通过技术分享、代码审查、项目实战等方式提升团队整体技术能力
建立AI研发的标准化流程和规范（代码规范、文档规范、发布流程、质量红线等），推动团队研发效能持续提升
AI 洞察
优缺点分析
优点
- 依托顺丰庞大的物流业务场景，拥有海量数据与丰富的AI落地机会，技术成就感强
- 作为已上市巨头企业的核心AI团队，资源充足，能接触到业界前沿的大模型与AI Infra技术
- 岗位涵盖架构设计、工程落地与团队管理，有利于打造复合型技术领导力
- 适合具备扎实AI工程落地能力、拥有大模型实战经验，且渴望在大型业务场景中带领团队发挥技术影响力的资深技术人才
缺点 / 挑战
- 需协调算法、工程、产品等多个团队，跨部门沟通与项目推进的复杂度较高
- 物流业务场景对系统稳定性与SLA要求极高，模型上线与性能优化的压力较大
角色解读
- 纵向可向AI技术总监、首席架构师或CTO等高层技术管理岗位发展
- 横向可拓展至业务线技术负责人，将AI技术深度赋能于供应链、物流等核心业务场景
- 负责顺丰AI平台与应用的整体架构设计，制定技术演进路线，确保系统的前瞻性与高可用性
- 主导AI基础设施（如GPU集群、MLOps平台）建设，推动大模型、Agent等前沿技术在物流业务场景中的落地
- 带领AI及数据团队，统筹项目全生命周期管理，把控技术风险并指导团队成员成长
- 精通PyTorch/TensorFlow等深度学习框架及分布式训练技术，具备扎实的大模型微调与推理优化能力
- 熟练掌握Python/C++等编程语言，拥有大规模分布式系统架构设计与云原生（K8s/Docker）实践经验
- 具备完整的MLOps体系搭建经验，以及优秀的跨团队沟通协调与技术团队管理能力
申请策略
- 提前了解顺丰在智慧物流、供应链AI方面的最新业务动态与技术布局，面试时结合业务痛点提出架构思路
- 准备好应对复杂系统设计与技术选型的深度拷问，展现全局思考与权衡取舍的能力
- 重点突出中大规模AI平台架构设计经验，以及MLOps体系从0到1的搭建与落地成果
- 详细列举大模型（LLM）、AIGC、Agent等前沿技术在实际业务场景中的落地案例及业务收益
- 展示团队管理经验，包括人才梯队建设、技术规范制定及研发效能提升的具体举措
- 深入学习大模型推理优化（如vLLM、TensorRT-LLM）及分布式训练框架（DeepSpeed/Megatron-LM）
- 强化云原生与AI Infra结合的能力，熟悉Kubernetes在GPU资源调度与弹性伸缩中的高级应用
面试指南
- 架构设计类：采用“背景/痛点 -> 核心设计思路（高可用/扩展性） -> 关键技术选型与权衡 -> 落地成果与业务收益”的STAR框架
- 团队管理类：采用“发现问题 -> 制定规范/机制 -> 执行与辅导 -> 最终效能提升/团队成长”的逻辑
- 请分享一个你主导过的中大规模AI平台架构设计案例，遇到了哪些技术挑战，如何解决的？
- 在MLOps体系建设中，你是如何实现模型版本管理、自动化流水线及持续监控的？
- 针对大模型在业务场景中的落地，你在推理优化、成本控制或效果评估方面有哪些实践经验？
- 当算法团队与工程团队在技术选型或项目排期上产生分歧时，你如何协调并推动项目落地？
- 如何制定AI团队的中长期发展规划，并有效提升团队的整体技术能力与研发效能？
- 复习分布式训练、大模型微调（SFT/RLHF）及推理加速的核心原理与工程实践细节
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
薪资面议，但基于顺丰的上市巨头背景及高级架构师的岗位层级，整体薪酬包预计处于市场较高水平，福利体系完善。
薪资信号面议 (4.5千–7.5万/月)
成长发展
85较高
岗位涉及大模型、AI Infra等前沿技术，且要求主导基础设施建设与团队管理，技术深度与管理广度均有极大提升空间。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、DeepSpeed、Megatron-LM、MLOps、LLM、SFT、RLHF、Kubernetes、Docker、AIGC、Agent、RAG
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为高级技术管理岗且涉及全生命周期统筹，工作强度与压力可能较大。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
AI技术赋能传统物流行业，具有明确的业务价值与社会运转效率提升意义，但属于成熟行业的数字化转型，非颠覆性社会影响。
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