AI及云端训练前瞻科学家_XC

我们正在寻找一位具有前瞻视野的技术负责人，负责前瞻研究部门中 “AI 与数据 / 云计算”领域 的整体技术方向。该岗位将构建端到云的技术桥梁，核心使命包括两个方面： AI战略方向 ：探索并孵化下一代算法技术（如大语言模型 LLMs、端到端自动驾驶 E2E Driving）。

云架构设计 ：定义支撑“数据闭环（Data Closed-Loop）”的数据基础设施，包括车辆数据采集、自动标注流程、云端仿真与模型训练平台。

主要职责

1. 技术前瞻与战略探索（AI 与云技术趋势） 跟踪全球 云原生汽车架构（Cloud-Native Automotive Architecture） 发展趋势，重点关注 混合云解决方案（Edge-to-Cloud 协同） 以及中国本地 主权云（Sovereign Cloud） 合规要求。

研究云端仿真技术（如 World Model ）及数据管理技术（如 用于RAG的向量数据库、合成数据生成技术 ）。

构建 “AI 与云技术版图（AI & Cloud Tech Landscape Map）” ，识别在提升系统智能的同时优化算力成本的技术机会。

1. 云与数据架构设计（核心基础能力） 数据闭环架构（Data Closed-Loop） ：

设计自动化数据处理流程的高层架构，包括 数据采集 → 数据清洗 → 自动标注（Foundation Model驱动）→ 模型训练 → OTA更新 。

混合算力策略（Hybrid Compute Strategy） ：

明确哪些计算任务在车端（Edge NPU）执行，哪些任务在云端执行，例如 Shadow Mode 数据过滤逻辑

大规模模型训练等高算力任务。

仿真基础设施（Simulation Infrastructure） ：

主导设计用于 L3/L4自动驾驶算法验证的大规模云端仿真平台 ，确保符合 ISO 8800 等相关标准。

1. 深度技术分析（可行性与成本管理） 撰写 云计算 ROI 与 FinOps 深度分析报告 ，评估大规模模型训练与数据存储扩展的成本影响。

为云服务选择提供 “自建 vs 采购（Make vs Buy）” 的技术与成本建议（如 AWS、Azure 或私有云）。

评估 车云协同计算（Vehicle-Cloud Collaborative Computing） 的技术可行性，例如远程控制协议（RCP）的延迟分析。

1. 创新孵化与技术落地 指导创新团队（Innovation Squad）开发 云原生技术 PoC（概念验证） ，例如： 基于 RAG 的云端知识库系统（与车辆连接）

Shadow Mode 数据触发机制等。

确保所有云端技术验证项目符合 网络安全与数据隐私法规要求 。

教育背景： 计算机科学、云计算、人工智能或相关专业 硕士或博士学历 。 工作经验： 8年以上软件工程经验 ，其中至少 3年以上云架构或数据基础设施相关经验 。

在 汽车、物联网（IoT）或科技行业 处理大规模设备数据的实际经验。

技术能力（云计算 + AI 复合能力） 云原生技术 ：精通 Kubernetes (K8s) 、Docker、微服务架构，熟悉主流公有云平台（AWS / Azure / 阿里云等） 数据基础设施 ：有 数据湖平台 （如 Snowflake、Databricks）经验；熟悉 向量数据库 （如 Milvus、Pinecone，用于 LLM 场景）；熟悉 数据管道系统 （Kafka、Airflow）. AI工程体系 ：理解 MLOps 工作流 （如 Kubeflow、MLflow）; 具备云端模型部署与服务化经验 商业与成本意识: 能够进行云计算总体拥有成本（TCO）分析; 具备云资源优化能力（如 Spot Instance、GPU 利用率优化） 语言能力: 中英文流利