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。
2. 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。
3. 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。
4. 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。