1. 工程化路径设计： 基于部门 AI 发展目标，拆解技术落地阶段（如 “技术预研→原型验证→小批量试装→大规模量产”），明确各阶段核心任务；重点规划大模型工程化路径（如 “7B 大模型轻量化→端侧部署验证→量产适配”）、舱驾融合技术落地步骤（如 “座舱与智驾数据打通→协同决策算法开发→车规级集成”）； 分析各阶段技术瓶颈，输出针对性解决方案（如 “预研阶段：选用英伟达 Orin 开发板；量产阶段：与芯片厂商联合定制低成本芯片”）。 2. 技术选型与资源协调： 主导 AI 工程化关键技术选型（如模型部署框架、算力调度方案、数据管理平台），重点评估大模型轻量化工具（如量化、剪枝技术）、车路云一体化数据交互方案的可行性；组织技术评审会（对接算法、硬件、供应链团队），评估技术方案的可行性、成本、车规符合性； 协调内外部资源（如外方技术支持、芯片厂商合作、第三方 AI 解决方案供应商），保障工程化路径所需的技术、硬件、资金资源到位（如 “推动与高通合作开发 AI 优化工具链，支持大模型端侧部署”）；同步跟踪车载芯片算力升级趋势（如单一座舱域算力突破 50TOPS），确保硬件选型与算力需求匹配。 3. 进度与风险管控： 制定 AI 工程化落地时间表，对齐车型开发节点，特别纳入大模型相关任务的时间缓冲；用项目管理工具（Jira、Confluence等）跟踪进度； 识别工程化风险，制定风险应对预案。 4. 标准与流程建设： 搭建座舱 AI 工程化标准体系，统一技术落地规范； 沉淀工程化经验，形成知识库，支撑后续 AI 功能快速落地。 1. 学历与专业：本科及以上学历，计算机科学、软件工程、汽车工程相关专业，5 年以上智能座舱 / 车载 AI 技术研发经验，其中 3 年以上工程化落地或技术规划经验优先； 2. 核心能力： 懂技术全局：深入理解座舱 AI 全链路技术（数据、模型、部署、应用），熟悉大模型端侧部署（如 7B 模型轻量化）、舱驾融合、车路云一体化的技术原理，能判断技术成熟度与落地风险（如 “大模型端侧部署是否具备量产条件”）； 懂工程落地：熟悉汽车量产流程（从研发到 SOP）、车规标准（ISO 26262 功能安全、AEC-Q100 芯片标准），能设计符合量产要求的工程化方案；了解车载芯片算力升级趋势，能制定与算力需求匹配的硬件选型方案； 懂趋势：持续跟踪 “AI 定义汽车” 演进方向，包括大模型上车、舱驾融合、车路云一体化等核心趋势，能将趋势转化为工程化路径规划（如 “基于车路云一体化趋势，规划数据交互工程方案”）； 懂资源协调：具备跨部门（技术、供应链、生产）、跨企业（外方、供应商）资源整合能力，能推动解决工程化中的资源瓶颈； 3. 工具与技能：熟练使用项目管理工具（Jira、Conluence等）、技术规划工具（思维导图、甘特图），具备基础技术评估能力（如 “估算 AI 功能的算力需求与成本”）；熟悉大模型轻量化工具、车路云数据交互平台者优先； 4. 软技能：优秀的战略思维（能从长期发展视角规划路径）、问题解决能力（能快速应对工程化突发问题），英语听说读写流利（可输出英文项目报告、对接外方会议），抗压能力强。