1. 平台架构设计
- 参与公司AI平台（如机器学习平台、深度学习平台、自动化ML平台等）的架构设计与核心模块开发。
- 负责根据应用需求实现基于大模型智能应用，有丰富的车联网行业经验优先。
- 设计高可用、可扩展的分布式系统，支持大规模数据处理与AI模型并行计算。

2. 算法工程化
- 将前沿AI算法（如NLP、CV、强化学习等）落地为平台服务，优化模型训练与推理速度。
- 开发自动化工具链，支持数据标注、特征工程、模型训练、评估及部署的全生命周期管理。

3. 性能优化与调优
- 针对GPU/TPU集群、边缘设备等场景，优化模型推理延迟与资源占用。
- 解决分布式训练中的通信瓶颈、显存溢出等问题，提升平台稳定性。

4. 平台维护与迭代
- 持续监控平台运行状态，优化系统瓶颈，保障线上服务可靠性。
- 结合业务需求，迭代平台功能（如可视化界面、MLOps工具集成）。

5. 技术协作与创新
- 与算法团队、产品团队协作，推动AI技术在实际业务场景中落地。
- 跟踪行业前沿技术（如大模型、提示词工程，多模态AI、联邦学习等），探索平台能力扩展方向。