1. AI系统整体架构设计：主导企业级AI系统全链路架构规划，涵盖大模型应用架构、数据架构、算力架构、部署架构四大核心模块，结合业务战略制定技术路线图，平衡系统性能、稳定性、可扩展性与成本，支撑大模型、多模态、AI Agent等核心技术规模化落地。

2. 技术选型与架构落地：负责AI技术栈整体选型，包括大模型（开源/自研）、分布式训练框架、推理加速工具、云原生组件、数据治理平台等；主导架构方案的原型验证与落地实施，解决跨部门、跨系统的技术瓶颈，推动架构标准化与规范化。

3. 大模型与业务融合架构设计：深入理解消费互联网、产业互联网等垂直场景需求，设计大模型与业务系统的融合架构，包括RAG检索增强、Function Call能力封装、多智能体协同、大模型与传统系统接口适配等方案，确保AI能力高效赋能业务，实现技术价值转化。

4. AI工程化体系搭建：统筹搭建MLOps全流程体系，构建模型训练、部署、监控、迭代的自动化流水线；设计算力调度与资源优化架构，结合智算集群、液冷技术、云边协同方案，提升算力利用率，降低AI系统运维成本。

5. 技术战略与跨团队统筹：跟踪全球AI前沿技术动态与行业实践，制定技术创新规划与风险防控方案；协调算法、工程、产品、数据等跨职能团队，推动架构方案落地执行，沉淀架构方法论与技术资产，带领团队技术能力升级。

核心技能

- 架构设计能力：精通AI系统架构设计方法论，深入理解大模型、分布式系统、云原生、数据治理等核心技术原理，能独立完成从需求分析到架构设计、落地复盘的全流程工作。

- 技术栈掌控力：熟悉主流大模型（开源/商用）特性与适配场景，掌握DeepSpeed、vLLM、TensorRT-LLM等训练/推理工具；精通Docker/K8s云原生技术，了解分布式数据库、向量数据库、消息中间件等组件选型与应用。

- 工程化与落地能力：具备扎实的AI工程化思维，熟悉MLOps体系搭建与运维；了解算力集群规划、绿电调度、液冷数据中心等基础设施技术，能从架构层面优化系统性能与成本。

- 业务与技术融合能力：能深度拆解业务需求，将AI技术与垂直场景（电商、医疗、工业、自动驾驶等）深度融合，设计可落地、可迭代的架构方案，具备跨行业架构设计经验者加分。

加分项

- 主导过自研大模型架构设计或大型企业级AI平台搭建项目，有亿级参数大模型落地架构规划经验，能独立解决架构层面核心技术难题。

- 在AI架构、分布式系统、云原生等领域有专利或顶会技术分享，为开源AI架构工具、框架贡献过核心代码，或具备技术社区影响力。

- 具备跨行业AI架构设计经验，熟悉不同场景下AI系统的适配要点，能快速响应业务迭代与技术升级需求，制定灵活的架构方案。

- 熟悉AI合规与数据安全架构设计，能结合国内外法规要求（个人信息保护法、GDPR等）优化架构，保障系统合规性。

- 具备技术管理经验，能带领架构团队制定技术规划，推动跨部门协作，同时具备较强的技术前瞻性，能预判行业技术趋势并布局。