岗位职责
- 参与公司AI中台整体架构规划与设计，根据公司数字化转型战略，搭建统一的机器学习平台，覆盖数据接入、特征工程、模型训练、模型评估、模型部署、在线推理、监控告警等全生命周期管理；
- 负责公司级MLOps体系建设，构建标准化的模型持续集成/持续部署（CI/CD for ML）流水线，实现模型版本管理、自动化测试、灰度发布和回滚机制，将模型从实验到上线的周期从"周级"缩短到"天级"；
- 负责搭建统一特征存储与服务层（特征平台），支持离线/在线特征的一致管理和高效复用，解决特征重复计算和数据孤岛问题；
- 负责建设高性能、高可用的模型推理服务网关，支持多框架模型（TensorFlow/PyTorch/ONNX等）的统一部署、弹性扩缩容和流量管理；
- 开发面向算法工程师的自助化工具链，包括Notebook环境、实验追踪、超参搜索、数据标注管理等，降低全公司算法开发门槛；
- 评估和引入开源及商业化AI基础设施组件（如MLflow、Kubeflow、KServe、Feast等），结合实际业务需求做适配和二次开发；
- 深入理解各业务线（研发、制造、供应链、营销等）的AI应用需求，将业务场景抽象为可复用的平台能力，推动AI能力在全公司范围内的规模化落地；
- 建设大模型（LLM）相关基础设施，包括模型微调平台、向量数据库、RAG工程化、GPU资源调度等，支撑公司级大模型应用的快速开发与部署；
- 建立平台运行监控与分析机制，定期输出平台运行状况、资源利用率、模型服务SLA等运营报告，推动平台持续优化；
- 沉淀AI平台技术文档与方法论，开展技术分享与培训，赋能各业务域算法团队高效使用平台能力；
- 完成领导交办的其他工作。
职位要求
- 硕士及以上学历，计算机科学、软件工程、人工智能、数学等相关专业，具有3年以上AI/ML平台工程、MLOps或算法工程化相关工作经验；
- 精通Python，熟悉Go或Java至少一门后端语言，具备扎实的软件工程素养（代码规范、测试、Code Review）；
- 熟悉主流ML平台组件（MLflow/Kubeflow/Airflow/Feast/KServe等），有实际搭建和使用经验；
- 熟练使用Docker和Kubernetes，具备模型服务化部署经验（Triton/TorchServe/TensorFlow Serving等）；
- 熟悉Spark/Flink等大数据处理框架，了解数据湖/数据仓库架构，具备大规模数据处理能力；
- 具备良好的分布式系统设计能力，理解高可用、弹性伸缩、监控告警等工程实践；
- 有从0到1搭建AI平台或MLOps体系的完整经验者优先；熟悉大模型基础设施（模型微调、向量数据库、RAG、GPU调度）者优先；有模型推理优化经验（量化、剪枝、TensorRT、ONNX Runtime）者优先；
- 具备系统性思维与全局规划能力，能够在复杂的组织环境中识别技术机会并推动落地；
- 具备良好的跨部门沟通与协调能力，能有效对接业务、算法、数据、运维等多方团队；
- 有较强的文字表达与文档编制能力，能规范输出技术架构文档、平台使用手册与运营报告；
- 结果导向强，执行力高，能够在压力下高效推进平台建设工作，对前沿AI Infra趋势保持持续关注与学习热情。
