1、业务场景落地与价值转化：深度聚焦研产供销全链条业务痛点，主导大模型技术与业务场景的精准匹配，推动从概念验证（POC）到规模化落地的全流程（如研发知识库问答系统、临床数据智能分析平台、营销内容AIGC工具等），量化评估技术对业务指标的提升效果（如研发周期缩短率、临床试验效率提升、营销转化率改善等）。

2、技术前瞻性布局：跟踪大模型前沿技术动态（如GPT-4等多模态模型演进、MoE架构工业化应用、RAG与Agent融合技术），结合生物医药行业特性（如数据隐私合规、专业知识密集性），制定企业级技术路线图（如3年内实现垂直领域大模型自主训练、构建覆盖研产供销的大模型应用矩阵），提前布局关键技术储备（如低资源微调、模型安全可控技术）以支撑长期业务创新。

3、跨部门协同与需求攻坚：作为业务与技术的双重驱动者，牵头组建跨部门专项小组（联合研发、临床、营销等业务专家），通过需求工作坊、场景共创会等形式，将模糊业务需求转化为可落地的大模型解决方案（如将“加速新药发现”拆解为“靶点预测大模型+文献知识抽取RAG系统”组合方案），推动资源整合与项目优先级排序。

4、大模型技术架构与工程化落地：主导企业级大模型技术架构设计，制定工程化标准与规范（如Transformer模型调优、MoE架构选型、LLM Training/Fine-tuning流程、Cache策略优化等）；推动核心技术组件自研（如生物医药领域垂直大模型训练框架、MCP（模型控制平台）搭建、Workflow自动化引擎开发），同时整合外部成熟工具（如LangChain、向量数据库、LLMOps平台），确保大模型系统的高可用性、低延迟与可扩展性。

5、团队管理与创新生态构建：带领大模型团队攻克技术落地难点（如小样本场景下的Prompt优化、跨模态数据的RAG融合、Agent工作流自动化等），建立“业务场景库-技术组件库-最佳实践库”三位一体的知识沉淀机制，同时联动外部合作伙伴（如模型厂商、高校实验室）构建技术创新生态，加速场景落地与技术迭代。

职位要求：

1、本科及以上学历，计算机科学、人工智能、数据科学等相关专业，5年以上AI技术研发或项目管理经验（其中3年以上企业级大模型开发经验），2年以上团队管理经验，在药物研发、临床研究或医药营销领域有大模型端到端落地经验者优先（需提供具体业务指标改善案例）。

2、技术能力：精通大模型核心技术栈，包括Prompt/Context Engineering、LLM Training/Fine-tuning、Transformer架构、MoE模型设计；熟悉RAG系统构建、Agent智能体开发、Workflow自动化及MCP（模型控制平台）搭建；具备Cache策略优化、分布式训练框架应用经验，能独立设计企业级大模型系统架构并推动规模化部署；了解生物医药领域数据特点（如专业文献、临床试验数据）者优先。

3、业务敏感度与落地能力：具备极强的业务洞察力，能从业务指标（如研发效率、临床成本、营销ROI）反推技术切入点，过往主导过至少1个大模型项目从0到1落地并实现可量化业务价值（如某场景效率提升≥30%）。

4、战略规划与风险预判：熟悉大模型技术发展趋势与行业政策规范（如生成式AI服务管理暂行办法），能平衡技术前瞻性与落地可行性，在资源有限情况下制定阶段性目标（如短期优先落地“低代码大模型应用平台”支撑业务自助创新，中期布局“行业大模型预训练”构建核心壁垒）。

5、团队管理与跨域协同：擅长通过目标对齐（OKR）、技术赋能（内部分享机制）、激励设计（创新项目孵化基金）打造高执行力团队，同时具备优秀的向上管理能力（争取资源支持）与横向协调能力（推动跨部门协作）。