AI技术高级总监(J15113)

岗位职责
一、主要职责
1. 集团级 AI 技术战略与架构
• 结合集团 AI 战略、医药行业特点及各业务板块发展需求，制定集团级 AI 技术路线图、目标架构、建设优先级与阶段性实施计划，明确自建、采购、合作及开源技术的边界。
• 规划企业级 AI 技术架构与共性能力，包括模型接入与服务、推理平台、AI 开发工具链、数据与知识服务、智能体运行环境、评测与可观测性等，避免重复建设并促进能力复用。
• 建立面向药物研发、临床、生产制造、质量合规、供应链、营销、及经营管理等场景的技术适配原则，兼顾集团共性平台与成员企业差异化需求。
2. AI 基础设施与算力资源管理
• 统筹集团 AI 基础设施规划，协调私有云、本地数据中心及合规云资源，制定分层部署、资源隔离、弹性扩展和灾备策略，满足不同数据敏感等级及业务连续性要求。
• 负责 GPU/NPU 等异构算力的容量规划、资源调度、利用率提升与成本治理，建立资源计量、预算、分摊和单位推理成本等指标体系，持续优化总体拥有成本（TCO）。
• 建立基础设施技术选型、性能基准测试和供应商评估机制，评估国产化适配、生态成熟度、供应保障、可迁移性及长期锁定风险。
3. 企业级 AI 平台与工程体系建设
• 主导企业级模型服务与推理平台建设，覆盖模型部署、版本管理、路由调度、弹性扩缩容、性能优化、监控告警及服务等级管理，提升平台稳定性、吞吐与资源效率。
• 建设并持续完善 LLMOps/MLOps 及 AI 工程化体系，覆盖数据与模型版本管理、提示词/工作流管理、离线与在线评测、红队测试、发布审批、灰度发布、持续集成与持续交付、运行监控和回滚。
• 建设统一 AI 网关及模型服务治理能力，支持多模型、多供应商、多租户接入，具备身份认证、权限控制、配额管理、限流熔断、路由策略、调用审计、成本追踪与可观测性。
• 推动 Agent/智能体开发与运行平台的工程化，规范工具调用、工作流编排、记忆与知识检索、人工审核节点、运行权限、异常处理及全链路追踪，确保智能体可控、可测、可运维。
• 建立 AI 服务的可靠性工程体系，包括容量与压力测试、SLA/SLO、故障演练、备份恢复、灾难恢复、问题复盘及技术债治理，保障关键业务连续性。
4. AI 安全、风险与合规技术治理
• 与信息安全、法务、合规、数据治理及业务部门协同，将安全与合规要求嵌入 AI 全生命周期，推动数据分级分类、脱敏、访问控制、模型与应用安全测试、日志审计和敏感信息防护落地。
• 建立 AI 技术风险评估与发布门禁，覆盖模型输出可靠性、幻觉与偏差、提示词注入、越权调用、数据泄露、第三方模型风险及智能体执行风险；对高风险场景设置人工确认和可追溯机制。
• 支持医药行业相关法规、质量体系及验证要求在 AI 技术平台中的落实，推动关键 AI 应用的可解释性、验证证据、变更管理和审计追踪能力建设；具体合规责任与质量部门协同界定。
5. 业务协同与规模化价值交付
• 与集团 AI 业务与产品负责人、AIBP/AITP/HRBP 及各成员企业技术团队紧密协同，识别共性技术需求，提供架构指导、平台能力和工程支持，推动高价值场景从概念验证走向生产级部署与规模化复制。
• 建立 AI 技术项目的技术评审、架构治理和交付质量机制，评估技术可行性、系统集成复杂度、运营成本、风险及复用潜力，优先支持具备明确业务指标和推广价值的项目。
• 围绕效率、成本、质量、周期、服务体验及风险控制等维度，建立 AI 平台与工程能力的价值衡量机制，定期向集团管理层汇报平台使用、交付效率、稳定性、单位成本及业务价值贡献。
6. 技术团队与生态管理
• 负责集团总部 AI 技术团队的组织建设、人才招聘、能力发展、绩效管理与技术文化建设，形成覆盖架构、平台工程、模型服务、AI 安全及 SRE/运维的关键能力组合。
• 建立跨部门协作机制和技术标准，推动技术方案、参考架构、组件、开发规范及最佳实践沉淀，提升集团各业务板块 AI 建设的一致性与交付效率。
• 持续跟踪国内外大模型、推理加速、AI Agent、开源框架、芯片与云平台等技术演进，通过技术验证和业务适配判断引入时机，避免追逐热点或缺乏业务价值的投入。

岗位要求
二、任职资格
教育背景与经验
• 计算机科学、软件工程、人工智能、电子工程或相关专业本科及以上学历；硕士优先。
• 具备 10 年及以上软件平台、云基础设施、分布式系统或 AI 工程相关经验，其中至少 5 年负责 AI 平台/基础设施/机器学习工程化等领域，且有团队管理和跨部门技术领导经验。
• 具备企业级 AI 平台或大规模模型服务从 0 到 1 建设、并持续运营优化的成功案例；能够说明架构选择、团队职责、规模、稳定性、成本及业务成效。
核心技术能力
• 深入理解大语言模型推理与服务化体系，熟悉 vLLM、SGLang、TensorRT-LLM、Triton 等主流技术中的多项，并能基于模型类型、硬件环境、吞吐/时延目标进行性能评估与优化。
• 熟悉 GPU/NPU 异构算力、显存与并行策略、批处理、量化、KV Cache、调度及资源隔离等关键技术；有算力容量规划、利用率提升和成本优化的实战经验。
• 熟悉 Kubernetes、容器、微服务、分布式系统、网络与存储、DevOps/SRE 等技术体系，理解混合云/私有化部署、高可用、容灾及企业级运维要求。
• 具备 LLMOps/MLOps、模型评测、提示词与工作流管理、RAG/知识检索、Agent 工程化、AI 网关和可观测性等相关实践经验，能够建立端到端工程交付链路。
• 理解 AI 应用安全的主要技术风险与防护方法，熟悉身份与权限管理、数据保护、审计追踪、供应链风险和安全测试等企业级治理要求。
领导力与业务能力
• 具备集团级技术战略制定和架构治理能力，能把复杂技术问题转化为可执行的路线图、投资方案、建设优先级和风险决策。
• 有较强的团队建设和技术领导能力，能够管理多专业团队，建立高标准工程文化，并有效推动跨业务板块、信息技术、安全、数据、采购及外部供应商协作。
• 具备清晰的沟通表达能力，能面向 CEO/高管、业务负责人及技术团队进行分层沟通，形成简洁、有依据的技术建议与决策材料。
• 坚持业务价值与投入产出导向，能够以总拥有成本、单位推理成本、服务可用性、交付周期、平台复用率及业务成效评估技术投入，而非仅以技术先进性作为成功标准。
• 具备较强的执行力和 hands-on 能力，能够在关键架构设计、疑难问题诊断、性能调优和重大故障处理中深入一线；同时能通过机制和团队实现可持续交付。
优先条件
• 有大型集团、多业务板块或跨地域企业级 AI 平台建设经验；有制药、生命科学、医疗健康、制造业或高监管行业经验者优先。
• 有私有化/混合云 AI 部署、GPU/NPU 适配、异构算力池化或大规模推理成本治理经验者优先。
• 有生产级 Agent 平台、复杂工具调用与工作流治理、AI 安全治理或高风险场景工程化经验者优先。
• 有从 PoC 到生产部署、再到多业务单元复制推广的完整交付案例者优先。

说明：本职位定位为集团总部 AI 技术部门负责人，重点是集团级技术战略、平台与基础设施、工程标准、安全技术治理及团队领导；不等同于单一的 AI Infra/推理平台专家，也不替代业务部门对场景选择、业务流程变革及业务结果的最终负责。