AI架构师

岗位职责
1.顶层架构与业务融合：深入产线与管理一线，识别高价值 AI 应用场景；设计工厂企业级 AI 及数据架构，制定可落地的技术路线图。
2.内外资源统筹与交付管理：负责外部 AI 顾问 / 供应商的方案评审、技术对接与进度管控；同时带领内部 2 人敏捷开发团队，确保项目高效落地与运维。
3.AI 变革与规范沉淀：建立轻量化 AI/MLOps 开发与运维规范，制定工业数据治理标准，为工厂培养具备数字素养的技术梯队。
【技术要求细化】
1. AI 技术架构能力（AI 应用工程视角）
工业 AI 算法选型与落地：熟悉传统机器学习在制造场景的落地逻辑，掌握基于 XGBoost/LightGBM 的良率预测、设备剩余使用寿命（RUL）预测方案；了解工业视觉质检技术栈（YOLO 系列、Halcon、VisionPro），能根据产线实时性、精度要求选择云端推理或边缘侧推理方案。
大模型与 Agent 体系设计：精通企业级 LLM 应用架构，明确 RAG、Agent、微调的适用边界，能设计工业场景大模型落地体系（如工艺知识库问答、生产异常排障 Agent、供应链智能调度助手）；熟悉开源大模型（Llama、Qwen、MiniCPM 等）本地化部署与量化方案，满足工厂数据不出厂的安全合规要求。
工业 MLOps 体系搭建：能设计适配工厂的轻量化 MLOps 流程，覆盖数据标注、模型训练、版本管理、边缘部署、效果监控与迭代全链路；制定模型业务验收标准（如质检准确率、故障预测召回率、推理延迟），适配 7*24 小时连续生产场景。
2. 软件与数据架构能力（软件架构师视角）
OT/IT 融合架构设计：具备工业互联网整体架构设计能力，掌握 “边缘采集 - 边端推理 - 云端分析” 的云边协同架构，平衡产线实时性要求与全厂数据分析需求；熟悉工业网络分区（OT 生产区、DMZ 隔离区、IT 办公区）的安全隔离规范，保障生产系统运行安全。
企业级数据架构规划：能设计工厂统一数据底座架构，规划时序数据、业务结构化数据、非结构化数据（质检图像、工艺文档）的分层存储与治理标准；熟悉工业主数据管理（MDM），打通物料、设备、人员、工艺四大核心数据维度，为 AI 应用提供统一数据标准。
系统集成架构设计：熟悉 MES、ERP、WMS、SCADA、PLM 等主流工业软件的架构与接口规范，能设计全厂 API 网关与服务总线，制定异构系统的集成标准，避免重复对接与数据不一致。
3. 管理与领导力技能（管理视角）
敏捷团队管理：具备小型技术团队带教经验，掌握 Scrum 敏捷开发方法论，能按业务优先级拆解项目里程碑，管控交付节奏；能针对团队成员能力特点制定成长路径，完成技术梯队搭建。
供应商与资源管控：具备 AI 服务商、系统集成商的技术选型与评标能力，能从方案可行性、落地成本、交付周期、售后运维多维度评估供应商；主导技术对接与需求澄清，管控外包交付质量与进度风险。
跨部门变革推动：能向生产、质量、设备等非技术部门传递 AI 价值，对齐业务目标；主导试点项目落地与效果量化复盘，用业务数据（良率提升、人工减少、故障停机时长下降）推动 AI 方案规模化复制。
风险与合规管理：熟悉工业数据安全、生产系统运维的合规要求，能制定 AI 系统上线的风险管控流程（灰度上线、故障一键回滚机制），保障生产业务连续性。

岗位要求
经验：5 年以上 AI / 软件架构设计经验，有制造业 / 工业领域数字化或 AI 项目落地背景者优先。有跨部门统筹经验优先。