From ccafdde5709d7570dffb901e72f9e65b3f6e357c Mon Sep 17 00:00:00 2001 From: Xinru_Zhong Date: Thu, 22 May 2025 07:30:38 +0000 Subject: [PATCH] =?UTF-8?q?update=20spec/01=20RISC-V=E4=BA=BA=E6=89=8D?= =?UTF-8?q?=E8=83=BD=E5=8A=9B=E5=9F=B9=E5=85=BB=E8=A7=84=E8=8C=83(RISC-V?= =?UTF-8?q?=20Talent=20Capability=20Training=20Sepcification)=5Fv0.1.adoc.?= =?UTF-8?q?=20=E6=B7=BB=E5=8A=A0=E2=80=9C=E6=99=BA=E8=83=BD=E8=AE=A1?= =?UTF-8?q?=E7=AE=97=E7=B3=BB=E7=BB=9F=E4=BA=BA=E6=89=8D=E6=A0=87=E5=87=86?= =?UTF-8?q?=E2=80=9D=E4=B8=AD=E2=80=9C=E4=B8=93=E5=AE=B6=E2=80=9D=E7=AD=89?= =?UTF-8?q?=E7=BA=A7=E6=A0=87=E5=87=86=E7=BB=86=E5=88=99?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Signed-off-by: Xinru_Zhong --- ...ability Training Sepcification)_v0.1.adoc" | 244 ++++++++++++++---- 1 file changed, 188 insertions(+), 56 deletions(-) diff --git "a/spec/01 RISC-V\344\272\272\346\211\215\350\203\275\345\212\233\345\237\271\345\205\273\350\247\204\350\214\203(RISC-V Talent Capability Training Sepcification)_v0.1.adoc" "b/spec/01 RISC-V\344\272\272\346\211\215\350\203\275\345\212\233\345\237\271\345\205\273\350\247\204\350\214\203(RISC-V Talent Capability Training Sepcification)_v0.1.adoc" index d02a5e1..ff651ee 100644 --- "a/spec/01 RISC-V\344\272\272\346\211\215\350\203\275\345\212\233\345\237\271\345\205\273\350\247\204\350\214\203(RISC-V Talent Capability Training Sepcification)_v0.1.adoc" +++ "b/spec/01 RISC-V\344\272\272\346\211\215\350\203\275\345\212\233\345\237\271\345\205\273\350\247\204\350\214\203(RISC-V Talent Capability Training Sepcification)_v0.1.adoc" @@ -237,15 +237,30 @@ RISC-V产业与社区推广方向岗位： |知识|基础统计学（如均值、方差、概率分布）；数据库基础（如SQL语法）；Excel及基础可视化工具（如Tableau/Power BI）；简单业务场景分析框架 |进阶统计学（如回归分析、假设检验）；机器学习基础（如聚类、分类算法）；数据仓库（如ETL流程、星型模型）；业务领域知识（如用户画像、A/B测试） |精通机器学习与数据挖掘（如深度学习、特征工程）；大数据技术栈（如Hadoop/Spark）；行业垂直领域知识（如金融风控、供应链优化）；数据治理与合规性（如GDPR） -|…… +|大数据、数据中台、前沿算法与AI技术（如强化学习、生成式AI）；多行业横向融合能力（如AI+医疗/政务）；数据体系顶层设计（如主数据、数据血缘）；数据伦理与AI安全框架 |技能|数据清洗与预处理（如缺失值处理）；基础SQL查询与简单报表开发；Python/R基础编程（如Pandas/Matplotlib）；执行标准化分析任务 |独立完成端到端分析项目（从需求到落地）；复杂SQL优化与ETL开发；模型构建与调参（如Scikit-learn/TensorFlow）；跨部门需求沟通与方案设计 |制定数据驱动战略（如用户增长体系）；高并发数据处理与架构优化；复杂模型解释与业务价值转化；团队管理与技术决策（如选型、成本评估） -|…… +|构建企业级数据生态与平台架构；主导跨国/跨集团数据战略项目；提出并落地创新型算法解决方案；培养人才梯队与组织能力提升 |经验|0-3年岗位经验；参与2-3个完整分析项目（如销售报表优化）；6个月以上数据清洗/基础分析经验；支持业务部门临时需求（如数据提取） |3-5年工作经验，具备做过大型项目的全过程经验，能独立给组员分解任务，分配工作，并对项目进度进行有效负责；主导3-5个中型项目（如用户留存分析）；2年以上跨部门协作经验；优化过至少1个核心业务指标（如转化率提升10%+） |5-8年工作经验，带团队负责复杂项目完成。具备大项目的领军带队能力；领导5+大型项目（如全链路数据中台建设）；5-8年行业深耕经验（如电商/金融）；成功推动数据文化转型（如从0到1搭建分析团队） -|…… +|8年以上数据分析/科学领域经验；深度参与企业数字化转型；在大型会议/行业内发表高影响力成果；具备国际视野与战略思维，曾担任首席数据官/数据科学负责人等角色 +|小结|初级：执行导向，依赖标准化流程，需明确指导。 + +中级：问题驱动，能独立拆解复杂问题并提出解决方案。 + +高级：战略视角，结合技术与业务制定长期规划，具备行业影响力（如输出方法论）。 + +专家：引领创新，具备系统性思维与前瞻判断力，推动行业标准、数据文化和组织能力的共同演进。 + +岗位晋升考评准则： + +知识：从工具使用 → 算法原理 → 系统架构与行业认知→ 前沿技术融合与数据治理体系构建 + +技能：从操作执行 → 项目闭环 → 规模化价值创造→ 数据战略落地与组织能力建设 + +经验：从局部支持 → 全流程主导 → 跨领域资源整合→ 行业影响与生态系统构建 |=== ===== 3.2.4.2 数据工程师 |=== @@ -253,31 +268,61 @@ RISC-V产业与社区推广方向岗位： |知识|需要基础编程、数据库、数据预处理工具；编程基础（如Python/SQL）；数据库与数据仓库基础（如MySQL/Hive）；数据预处理技术（缺失值处理、特征标准化）；机器学习基本概念（如监督/无监督学习） |需要分布式系统、机器学习流程、数据建模；分布式计算框架（如Spark/Flink）；大数据存储与处理（如Hadoop/Kafka）；机器学习工程化流程（如特征工程、模型部署）；数据建模（如维度建模、数据湖架构） |需要架构设计、前沿技术、行业深度知识；高并发实时数据架构设计（如Lambda/Kappa架构）；深度结合AI的数据流水线（如自动化特征生成、模型迭代支持）；云原生技术栈（如AWS/GCP/Azure的AI服务）；数据安全与隐私保护（如联邦学习、差分隐私） -|…… +|数据基础设施战略规划与演进（如湖仓一体、数据中台产品化）；行业级平台建设经验（如跨组织数据协同、监管合规对接）；技术趋势洞察与融合（如Data-Centric AI、MLOps系统化）；推动行业标准与开源生态（如参与Apache/HuggingFace等社区） |技能|数据清洗、ETL开发；基础ETL开发与数据清洗（如Pandas/SQL）；构建简单数据管道（如Airflow基础）；支持AI模型数据需求（如数据集构建）；数据质量监控与基础调优 |优化流程、模型部署支持；设计高效数据流水线（如优化Spark作业）；实现特征存储系统（如Feature Store）；支持模型部署与AB测试数据流；数据治理（如元数据管理、血缘追踪） |设计复杂系统、跨团队协作、技术决策；构建企业级AI数据中台（如统一数据服务）；设计实时+离线混合数据架构（如支撑模型在线学习）；主导数据与AI的协同优化（如数据闭环系统）；技术选型与成本/性能平衡决策 -|…… +|构建具备弹性与可观测性的数据体系（如全链路监控、自动调优）；设计支持大模型训练与服务的数据架构（如多模态数据流）；打通数据全生命周期链路（采集、建模、治理、服务）；推动组织级数据工程文化与能力体系建设 |经验|0-3年经验，能参与项目完成指定工作；参与1-2个AI项目数据支持（如推荐系统数据准备）；6个月以上ETL开发经验；处理过TB级以下数据集 |3-5年经验，能主导中型项目小组；主导3+AI项目数据架构（如NLP/OCR数据流水线）；3年以上高吞吐数据处理经验（如日均亿级数据）；优化过数据链路性能（如查询效率提升50%+） |5-8年经验，领导大型项目并推动技术创新；领导5+大型AI数据工程（如自动驾驶数据平台）；5-8年跨AI场景经验（如CV/NLP/风控）；成功解决过数据瓶颈问题（如支撑千亿参数模型训练） -|…… +|8年以上经验，引领行业或组织数据工程转型；主导跨国或跨行业数据平台建设；培养多个高级工程师与技术管理者；在业内输出数据工程方法论、架构蓝图或战略模型 +|小结|初级：工具执行者，聚焦单点任务（如数据清洗、管道开发）。 + +中级：系统构建者，能设计完整数据链路并支撑AI模型迭代。 + +高级：架构决策者，深度融合数据工程与AI业务，驱动技术战略。 + +专家：行业引领者，规划企业级数据战略，推动技术标准化与平台化演进，构建具有行业影响力的数据工程体系。 + +岗位晋升考评准则： + +知识：从数据基础 → 分布式系统 → AI驱动的数据架构→ 数据战略与行业标准 + +技能：从管道开发 → 性能优化 → 数据与AI生态整合→ 构建可持续演进的数据基础设施 + +经验：从单场景支持 → 多模态数据工程 → 超大规模AI数据系统→ 引领跨行业/跨平台的数据协同与治理 |=== ===== 3.2.4.3 数据科学家 |=== | |初级|中级|高级|专家 |知识|基础的编程和统计学；统计学基础（如假设检验、概率分布）；机器学习经典算法（如线性回归、决策树、SVM）；Python数据科学生态（如NumPy/Pandas/Scikit-learn）；基础深度学习框架（如TensorFlow/PyTorch入门） |涉及更复杂的算法和分布式计算；高级机器学习（如集成学习、时间序列分析）；深度学习核心领域（如CNN/RNN/Transformer）；分布式训练技术（如Spark ML/Dask）；业务建模方法论（如用户生命周期价值模型） -|深入的专业领域知识和跨学科知识；复杂模型架构设计（如图神经网络、多模态融合）；前沿AI技术（如强化学习、AutoML）；大规模模型优化（如分布式训练、模型压缩）；行业垂直领域知识（如医疗影像诊断模型、金融反欺诈规则融合） -|…… +|深入的专业领域知识和跨学科知识；复杂模型架构设计（如图神经网络、多模态融合）；前沿AI技术（如强化学习、生成式AI）；大规模模型优化（如分布式训练、模型压缩）；行业垂直领域知识（如医疗影像诊断模型、金融反欺诈规则融合） +|战略视角下的全面能力与技术前沿的深度掌握：AI系统架构设计与全栈理解（如数据平台、模型平台、推理系统）；自研算法能力（如提出新模型/改进现有算法并在顶会发表）；多领域跨模态融合（如图文音视频联合建模）；法规与伦理意识（如AI安全、数据隐私合规、算法歧视防范）；引领行业发展方向（如制定企业AI发展路线图、指导国家/行业标准） |技能|侧重于数据处理和简单模型；数据清洗与特征工程（如缺失值填补、分箱）；基础模型训练与调参（如网格搜索）；可视化分析（如Matplotlib/Seaborn）；根据文档复现经典算法 |能独立完成项目。端到端建模（如从数据探索到模型部署）；设计定制化模型（如融合业务规则）；模型解释与可解释性分析（如SHAP/LIME）；跨团队协作（如与工程团队对接模型API化） |需要领导复杂项目和战略规划。制定企业级AI解决方案（如智能推荐系统）；突破性模型优化（如AUC提升5%+关键指标）；技术选型与ROI评估（如平衡模型复杂度与业务收益）；主导AI创新课题研究（如小样本学习落地） -|…… +|拥有产品化与商业化落地的闭环能力，并能赋能团队与组织。建立AI能力中台与复用机制（如模型即服务、AutoML平台搭建）；多模型协同系统设计（如推荐+搜索+风控融合系统）；AI组织建设与人才培养（如制定人才梯队、设计培训体系）；跨组织推动AI战略（如联合业务/市场/IT协作推动数据变革）；国际视野与技术影响力（如担任技术委员会委员、在行业会议演讲） |经验|0-3年工作经验，需要参与过一些项目；参与2-3个完整AI项目（如用户分群模型）；6个月以上数据建模经验；处理过结构化数据建模任务 |3-5年工作经验；主导3-5个中型AI项目（如销量预测系统）；3年以上复杂数据场景经验（如非结构化数据/高维稀疏数据）；成功将模型准确率提升至业务可用标准（如召回率>85%） -|5-8年工作经验；领导5+大型AI项目（如千人千面广告系统）；5-8年跨行业建模经验（如电商/医疗/制造）；推动AI模型产生千万级业务收益（如GMV提升、成本降低） -|…… +|5-8年工作经验；领导5+大型AI项目；5-8年跨行业建模经验（如电商/医疗/制造）；推动AI模型产生千万级业务收益（如GMV提升、成本降低） +|8年以上工作经验，在AI领域具有广泛影响力；主导10+个跨部门/跨行业重大AI项目（如国家级项目、集团级AI战略）；拥有千万到亿级业务影响案例（如营收增长、运营优化）；在顶级AI会议/期刊发表论文（如NeurIPS/ICLR/CVPR）或持有发明专利；指导或孵化出多个高级数据科学家/技术团队；能用数据讲好业务故事 +|初级：算法实现者，依赖成熟框架完成既定任务。 + +中级：问题解构者，能将业务问题转化为建模方案并优化。 + +高级：价值创造者，通过AI技术重构业务逻辑，驱动商业模式创新。 + +专家：战略引领者，制定AI技术发展方向，构建组织级智能能力，推动行业变革。 + +岗位晋升考评标准： + +知识：从经典算法 → 深度模型 → 领域定制化技术→ 系统架构与跨模态前沿技术 + +技能：从模型调参 → 全流程掌控 → 技术商业双闭环→ 战略规划与组织赋能能力 + +经验：从单一场景 → 复杂系统 → 跨行业规模化落地→ 主导顶级项目并形成行业影响力 |=== ===== 3.2.4.4 算子开发工程师 |=== @@ -285,13 +330,29 @@ RISC-V产业与社区推广方向岗位： |知识|需要掌握编程语言（如C++/CUDA）、深度学习框架的基本算子结构，并行计算基础。编程语言基础（如C++/Python/CUDA/Trition）；深度学习框架基础算子结构（如PyTorch/TensorFlow算子接口）；并行计算基础（如多线程/GPU内存模型）；基础数值计算（如矩阵运算、张量分解原理） |需要深入硬件架构（如GPU/TPU/NPU）、高级优化技术。硬件加速架构（如：GPU/TPU/NPU 指令集、RISC-V 扩展指令、SIMD优化）；算子优化技术（内存复用、计算图融合）；编译器原理（LLVM/MLIR/TVM中间表示）；低精度计算（FP16/INT8/FP8量化原理） |涉及异构计算、指令集优化和跨平台框架设计。异构计算体系设计（如CPU-GPU-FPGA协同）；指令级优化（如汇编级代码改写）；跨框架算子兼容性设计（如ONNX/MLIR）；AI芯片底层架构（如NVIDIA Tensor Core、华为达芬奇架构、RISC-V架构） -|…… +|分布式异构计算架构、跨层联合优化设计；分布式异构训练与推理框架；AI芯片底层架构（如NVIDIA Tensor Core、华为达芬奇架构、RISC-V架构）；卡间互联与通信优化；计算图调度优化 |技能|实现基础算子，调试和性能分析。实现基础算子（如Conv2D/LSTM前向传播）；使用Profiling工具分析算子性能（如Nsight Systems）；调试框架级报错（如CUDA内存越界）；编写单元测试与性能基准 |需要优化高性能算子，解决不同硬件平台兼容性问题。开发高性能算子（如Winograd卷积优化）；设计自动融合策略（如Kernel Fusion）；解决跨硬件兼容性问题（如不同CUDA版本适配）；参与开源框架贡献（如PyTorch算子库扩展） |设计核心算法库，主导跨团队项目。设计芯片级优化算子（如针对Ascend/NPU定制）；构建领域专用算子库（如3D点云稀疏卷积）；主导编译器后端优化（如TVM/MLIR代码生成）；制定算子开发规范与性能评估体系 -|…… +|设计软硬件架构，推动行业进步。根据算子需求设计硬件架构（如指令集、存储结构）；结合硬件特性设计并优化分布式训练与推理框架 |经验|0-3年工作经验，掌握具体开发平台的简单算子开发。参与1-2个算子移植项目（如将论文算法转为框架代码）；3个月以上CUDA或相关平台开发经验；完成过算子性能提升20%+的优化任务 -|3-5年工作经验，多个项目经验并优化过性能。主导3+核心算子开发（如Transformer多头注意力机制加速）；3年以上AI框架底层开发经验；实现过5倍以上性能提升的关键算子（如GEMM优化）|5-8年工作经验，领导过大型项目，解决过复杂技术难题，并推动行业标准。领导AI芯片算子库建设（如寒武纪/地平线芯片支持）；5-8年高性能计算领域经验；突破硬件算力瓶颈（如将ResNet50延迟降至1ms以内）；参与制定行业标准（如ONNX算子协议扩展）|…… +|3-5年工作经验，多个项目经验并优化过性能。主导3+核心算子开发（如Transformer多头注意力机制加速）；3年以上AI框架底层开发经验；实现过5倍以上性能提升的关键算子（如GEMM优化）|5-8年工作经验，领导过大型项目，解决过复杂技术难题，并推动行业标准。领导AI芯片算子库建设（如寒武纪/地平线芯片支持）；5-8年高性能计算领域经验；突破硬件算力瓶颈（如将ResNet50延迟降至1ms以内）；参与制定行业标准（如ONNX算子协议扩展） +|8年以上工作经验，领导多个过大型实际项目，并推动行业标准。项目成功落地，性能达到业界先进水平；对软硬件架构提出创新设计；参与制定行业标准（如ONNX算子协议扩展） +|小结|初级：代码实现者，依赖框架接口完成算子功能实现。 + +中级：性能攻坚者，能突破硬件算力极限并设计通用优化方案。 + +高级：架构定义者，主导芯片-框架-算法的协同设计，影响行业技术路线。 + +专家：行业推动者，提出软硬件创新设计，推动行业进步。 + +岗位晋升考评准则： + +知识：从框架API使用 → 硬件指令优化 → 芯片-算法协同设计 → 软硬件架构设计 + +技能：从功能实现 → 极致性能优化 → 软件平台建设→ 跨栈技术生态构建 + +经验：从单算子开发 → 关键路径优化 → 突破性能瓶颈 →定义下一代计算范式 |=== ===== 3.2.4.5 芯片设计工程师 |=== @@ -313,11 +374,11 @@ RISC-V产业与社区推广方向岗位： |知识|具备基础模型结构知识：了解Transformer架构核心原理（自注意力机制、位置编码）；预训练任务设计（MLM/NSP）；基础分布式训练概念（数据并行）； HuggingFace等开源库使用基础 |具备分布式训练和高级优化技术，包括大模型训练优化技术（混合精度训练、梯度累积）， 参数高效微调方法（LoRA/P-Tuning），多模态对齐基础（图文跨模态表示）；显存优化策略（ZeRO/激活检查点） |需要深入硬件协同设计和行业应用经验： 千亿参数级模型架构设计（MoE/稀疏激活），训练稳定性控制（梯度裁剪、损失面平滑），大模型与业务系统融合（RAG/Agent框架），硬件-算法协同设计（集群网络拓扑优化） -|…… +|具备跨领域深度融合能力与前沿技术研究能力。大模型原理演化与趋势洞察（如Mixture of Experts、Self-RAG）；多模态大模型融合（文本、图像、音频、视频、代码等）；模型压缩与蒸馏体系化设计（如知识蒸馏、量化感知训练QAT）；大模型可信性与可控性（如可解释性、鲁棒性、偏差控制）；大模型生态体系理解（如模型评测标准、开源路线图、开源社区建设） |技能|需要掌握基础知识和工具使用，比如了解Transformer架构、会用PyTorch或TensorFlow框架，能够参与模型微调和基础的数据处理；完成模型微调任务（下游任务适配）；基础Prompt工程与Few-shot学习实现；使用分布式训练框架（DeepSpeed基础配置）；分析训练日志（Loss曲线监控） |需要更深入的技术，如模型并行训练、参数高效微调方法（如LoRA），以及解决实际业务问题的能力。设计多阶段预训练方案（领域增量预训练）；实现混合并行训练（数据+模型+流水线并行）；开发高效推理方案（动态批处理、KV Cache优化）；模型安全防护（Prompt注入防御） |负责整个大模型的架构设计，优化训练效率，处理千亿级参数的模型，并且有跨团队协作和战略规划的能力。主导百亿级模型从0到1训练（数据配比、课程学习）；突破显存墙限制（3D并行+卸载技术）；构建大模型中间件（分布式推理服务框架）；定义企业级大模型技术路线（闭源/开源选型权衡） -|…… +|拥有从算法设计、工程落地到战略推进的全链路能力。构建统一训练-推理一体化框架（如自研模型引擎）；主导大模型跨模态/多语言扩展与部署（如代码-自然语言统一训练）；引入可持续训练机制（如节能感知训练、智能调度策略）；具备引导领域知识注入能力（如政务、医疗、工业大模型定制）；设计自动评测与迭代优化体系（如大模型Bench设计与多维评估指标） |经验|0-3年工作经验，初级可能参与过小规模项目。 参与1-2个10B以下模型微调项目（如领域文本生成）； 3个月以上单机多卡训练经验； @@ -330,7 +391,22 @@ RISC-V产业与社区推广方向岗位： 领导千亿参数级模型全流程开发（如类GPT模型训练）； 5-8年超大规模训练实战经验； 实现训练成本突破（如单卡吞吐量提升300%） -|…… +|8年以上相关经验，具备产业落地闭环与组织战略制定能力。主导国家级或行业标杆级大模型项目（如千亿参数大模型国产化替代）；构建并管理跨100人+研发团队，涵盖算法、平台、数据、DevOps全链条；布局前沿研究方向并推动产业转化（如多模态RAG、Agent智能体自治）；参与制定行业技术标准或开源框架（如参与BigScience、OpenRAIL协议等）；实现大模型体系级落地成效（如SaaS产品转型、大模型应用落地数百客户） +|小结|初级：任务执行者，依赖开源生态完成既定训练/微调任务。 + +中级：效能提升者，能优化训练/推理效率并解决规模化难题。 + +高级：系统架构师，定义大模型技术栈并实现商业-技术双闭环。 + +专家：生态塑造者，定义大模型研发范式和演进路径，推动产业级落地与生态共建，在模型、平台、组织层面实现系统性突破。 + +岗位晋升考核标准： + +知识：从模型使用 → 训练优化 → 架构创新→ 范式定义与跨模态融合 + +技能：从单卡微调 → 千卡集群 → 软硬协同设计→ 训练-部署一体化平台构建 + +经验：从下游适配 → 增量预训练 → 原生大模型创造→ 行业级落地与生态引领 |=== ===== 3.2.4.8 大模型应用工程师 |=== @@ -346,7 +422,7 @@ RISC-V产业与社区推广方向岗位： 复杂推理优化（RAG增强、Tool Calling设计）； 模型服务化（API封装、流式响应） |需要深入模型优化策略和行业解决方案，包括企业级应用架构（大模型中间件、Agent框架），超长上下文处理优化（窗口扩展、KV Cache压缩），成本-效果平衡策略（混合模型路由），行业垂直知识（如医疗问诊逻辑、金融合规边界） -|…… +|精通模型前沿技术与跨模态系统集成：大模型前沿算法与演进趋势（如MoE架构、多Agent协同机制）；多模态融合深度优化技术（如图文语义对齐、视频理解模型）；自研模型训练与压缩方案（如LoRA深度定制、蒸馏+剪枝组合策略）；企业级Agent自治系统设计（如任务规划、多Agent） |技能|涉及基础部署和Prompt工程： 完成基础场景适配（基于Prompt模板的问答系统）； 使用LangChain/LLamaIndex搭建简单应用流； @@ -362,7 +438,7 @@ RISC-V产业与社区推广方向岗位： 突破模型能力边界（小样本场景蒸馏）； 构建跨系统集成方案（与CRM/ERP系统打通）； 制定应用安全规范（内容过滤、审计追踪） -|…… +|精通系统级应用与平台建设：牵头构建企业级大模型平台（如私有大模型研发平台/运营平台）；构建可规模迁移的Agent模板体系（如通用流程机器人+领域插件）；主导跨模态产品集成（如视频生成、语音智能助理）；系统级安全合规设计（如模型输出可信评估、风控联动机制） |经验|0-3年工作经验，参与过小型项目。 参与2-3个场景化PoC验证（如智能客服demo）； 3个月以上Prompt调优经验； @@ -376,7 +452,22 @@ RISC-V产业与社区推广方向岗位： 5-8年跨行业应用经验（教育/政务/电商）； 通过大模型应用实现显著降本增效（如人工替代率超60%）； 沉淀可复用的行业解决方案库 -|…… +|8年以上大模型相关工作经验，具有行业影响力。主导20+项目或平台型产品，服务百万级用户或千人级企业；在企业内构建标准化平台体系（如Prompt库/Agent模板仓）；拥有论文发表/专利申请/技术布道经验，在行业会议或社区有活跃贡献；推动大模型在关键业务流程中的重构，如智能质检/自动投标/风险识别等 +|小结|初级：场景实现者，依赖现有框架完成业务需求验证。 + +中级：价值挖掘者，能通过技术组合突破模型原生能力限制。 + +高级：生态构建者，主导大模型与企业数字基座的深度融合，定义应用标准。 + +专家：行业引领者，驱动大模型技术创新与跨域生态协同，塑造行业智能未来。 + +岗位晋升考核标准： + +知识：从模型调用 → 场景增强 → 系统级整合→ 前沿创新与跨模态融合 + +技能：从单点实验 → 链路优化 → 商业闭环设计→ 企业级平台与生态构建 + +经验：从Demo验证 → 中型落地 → 行业级规模化复制→ 影响行业、技术布道 |=== ===== 3.2.4.9 大模型服务部署工程师 |=== @@ -396,7 +487,7 @@ RISC-V产业与社区推广方向岗位： 熟悉底层硬件加速； 理解服务架构高可用、弹性扩展、故障恢复设计； 了解主流大模型（如GPT 1/2/3、LLaMA、Qwen等）性能特性 -|…… +|精通大模型生命周期全流程（训练、微调、部署、监控、回收）；精通推理引擎原理及自研优化能力（如自定义OP、调度优化、KV Cache复用）；掌握模型压缩与硬件协同优化（量化-aware训练、Low-bit部署策略）；熟悉多种硬件平台（GPU、TPU、NPU）性能与部署差异；掌握云原生技术栈（Service Mesh、Serverless、GPU共享调度）；深入理解大规模分布式系统架构（弹性调度、异构计算调度、服务网格）；了解国内外主流LLM产品的架构设计与部署最佳实践（如OpenAI、DeepSeek、Qwen） |技能|能使用已有推理引擎部署基础模型（如Bert/GLM/Qwen模型）； 能独立完成小型模型的本地部署与API封装； 能通过docker部署简单服务； @@ -411,7 +502,7 @@ RISC-V产业与社区推广方向岗位： 能针对业务场景进行模型压缩、量化、裁剪等部署优化； 能评估不同部署方案的性价比（如QPS/延迟/GPU利用率）； 可实现多版本模型管理与灰度发布 -|…… +|能主导异构多集群大模型服务系统的架构设计与落地；实现大模型服务的极致优化（包括推理延迟低于50ms、成本降低50%等）；构建统一的大模型服务平台（支持多租户、多模型、多版本、多后端）；能开发或定制推理框架或调度器（如自研Scheduler、自适应批处理算法）；实现自定义压缩/量化策略并动态调整以适应不同业务QPS波动；推动安全性、合规性（如审计、模型行为监控）在部署体系中的落地 |经验|具备0-3年相关工作经验或具备开源项目部署经验，有独立部署或测试大模型API服务的项目经历优先。 熟悉小模型（<1B）或微调模型推理流程 |具备3-5年相关部署经验； @@ -421,7 +512,22 @@ RISC-V产业与社区推广方向岗位： 具备10B~70B以上模型生产级部署经验； 曾主导过大模型系统（服务化、推理调度、负载均衡等）搭建与上线； 有跨部门协作和团队指导经验优先 -|…… +|8年以上AI系统或模型部署相关经验，其中至少3年专注大模型方向；主导过超大规模大模型（70B以上）在企业或云平台中的生产部署；有构建平台级大模型服务系统的完整经验（如MaaS平台）；在开源社区有技术影响力（如贡献vLLM、Triton优化，主导开源部署框架）；有跨团队、跨部门协作经验，具备领导研发团队和技术方向的能力 +|小结|初级：部署执行者，具备基础Transformer推理原理理解能力，能够基于开源框架完成模型推理、API封装等任务。 + +中级：优化推动者，掌握推理引擎选型、多卡部署与服务稳定性优化等技术，具备支持大模型落地业务系统的能力。 + +高级：系统架构师，主导大模型部署的整体设计，具备跨团队协作、部署体系规划和系统性能突破能力。 + +专家：平台构建者，具备从系统架构到平台化服务的全面能力，能够设计并主导企业级大模型推理平台，推动异构部署、服务治理、安全合规等体系化建设，实现多模型、多业务场景的高效支撑。 + +岗位晋升考核标准： + +知识：从小模型部署 →大模型部署 → 异构部署→ 云原生与分布式体系设计 + +技能：从单卡部署 → 多卡并行 → 生产级部署→ 多租户平台构建与推理调度优化 + +经验：从部署执行 → 架构落地 → 系统设计及搭建→ 大规模平台主导与团队领导 |=== ===== 3.2.4.10 知识图谱研发工程师 |=== @@ -438,7 +544,7 @@ RISC-V产业与社区推广方向岗位： 深度学习与图神经网络； 企业级数据处理架构； 处理敏感数据的知识 -|…… +|掌握图谱与大模型、Agent系统的协同机制；精通图谱与异构数据融合、动态演化机制、可解释性建模；深入理解图谱在垂直行业（如金融、医疗、政务）的落地策略 |技能|使用现有工具（如Neo4j）进行简单的图谱构建； 进行基本的数据清洗与格式转换； 支持数据提取与结构化 @@ -447,14 +553,29 @@ RISC-V产业与社区推广方向岗位： |能够设计和实现大规模、高效的知识图谱架构； 支持实时数据更新和推理，推动业务智能化决策； 实现跨部门的技术协同，推动知识图谱在业务中的应用与创新 -|…… +|构建多源异构知识体系，支持图谱演化、自监督更新与知识验证机制；架构图谱与语言模型、推理系统的协同平台；引导团队建设知识中台，具备知识服务能力输出 |经验|参与过小规模的知识图谱项目，主要负责数据清洗、知识抽取； 能根据现有模板进行简单图谱构建。 |独立负责中等规模的知识图谱构建项目； 设计并优化知识图谱架构，支持跨部门协作和复杂推理场景 |主导超大规模的知识图谱项目； 具有跨部门合作经验 -|…… +|拥有8年以上知识图谱或NLP相关经验；主导多个行业级、国家级知识图谱工程项目；拥有技术战略制定能力和行业影响力，具备推动图谱国家标准或行业标准制定的能力 +|小结|初级：图谱实施执行者，依赖现有工具完成知识结构化与图谱初建 + +中级：领域建模设计者，能独立设计并优化领域知识体系，支持复杂推理应用 + +高级：智能决策驱动者，以知识图谱为核心，驱动业务系统智能升级与创新 + +专家：认知系统引领者，构建图谱与大模型协同的认知推理系统，推动行业级知识平台与标准体系建设 + +岗位晋升考评标准： + +知识：从数据转译 → 语义建模 → 认知推理系统→ 认知系统与行业知识标准融合 + +技能：从图谱构建 → 数据融合及性能优化 → 智能决策支持→ 跨模态知识融合与平台架构设计 + +经验：从单一场景 → 跨域融合 → 超大规模知识系统落地→ 主导行业/国家级图谱工程与知识服务平台建设 |=== ===== 3.2.4.11 知识图谱工程师 |=== @@ -474,7 +595,7 @@ RISC-V产业与社区推广方向岗位： 超大规模图谱存储优化（分布式图分区策略）； 动态知识更新机制（流式知识注入）； 行业深度知识体系（如法律条款关联网络、供应链知识建模） -|…… +|精通跨模态知识图谱（图+语音+视频）；深度掌握知识图谱与大模型结合（如LLM增强推理）；掌握知识生命周期管理（构建、演化、淘汰）；能从系统视角规划行业知识生态 |技能|注重基础知识和工具的使用。能进行数据清洗和构建简单图谱，使用基本工具如Protege。 构建基础知识图谱（结构化数据转换）； 使用图谱构建工具（Protege）； 执行SPARQL/Cypher查询； @@ -489,7 +610,7 @@ RISC-V产业与社区推广方向岗位： 设计动态图谱推理引擎（实时事件关联分析）； 突破知识稀疏性问题（小样本关系补全）； 主导知识驱动的AI系统架构（如智能客服知识中枢） -|…… +|主导行业级知识中台顶层设计（政府、央企级别）；研发图谱增强大模型产品（如 RAG结合图谱增强LLM）；构建知识与决策系统联动机制（如知识驱动BI）；推动跨组织知识协同（如政务/产业联盟图谱共享标准） |经验|0-3年工作经验.参与过具体项目，处理过百万级实体。 参与1-2个行业知识图谱项目（如企业人物关系图谱）； 3个月以上数据清洗与三元组构建经验； @@ -502,7 +623,22 @@ RISC-V产业与社区推广方向岗位： 领导5+亿级实体知识图谱系统（如全域城市知识图谱）； 5-8年跨行业知识工程经验（如金融+医疗跨域推理）； 推动知识图谱产生业务价值（如通过关联分析发现风险事件准确率提升40%） -|…… +|8 年以上经验；引领图谱核心技术方向演进；推动知识图谱在国家/行业级工程中应用（如“双碳”、“城市大脑”）；在顶会/顶刊发表图谱与AI融合研究成果，或主导国家项目 +|小结|初级：知识搬运工，依赖已有工具完成结构化知识沉淀。 + +中级：语义架构师，能构建领域知识体系并支持复杂推理场景。 + +高级：认知赋能者，通过知识图谱重构业务决策链路，实现认知智能突破。 + +专家：智能生态引领者，打造跨组织、跨模态、跨场景的知识基础设施，推动知识图谱成为智能系统核心能力底座，支撑大模型、决策系统与行业生态协同演化。 + +岗位晋升考评标准： + +知识：从数据转译 → 语义建模 → 认知推理系统→知识生态系统设计 + +技能：从图谱构建 → 服务集成 → 知识驱动业务闭环→知识中台 + 智能决策协同 + 跨行业标准制定与共建 + +经验：从单一领域 → 跨域融合 → 超大规模认知网络→行业级知识工程引领 |=== ===== 3.2.4.12 人工智能安全工程师 |=== @@ -516,44 +652,40 @@ AI基础理论：机器学习、深度学习的原理，常见的算法，如线 联邦学习的实际应用和差分隐私的实现； 模型水印和模型窃取防御等； 加密算法（AES、RSA等）在模型传输中的应用。 +|大模型安全；AI生成内容的检测。加密算法（AES、RSA等）在模型传输中的应用；国产信创AI硬件架构（RISC-V等） |深入掌握复杂系统安全设计、前沿攻防技术、跨领域风险治理以及更广泛的工程实践能力。 AI伦理原则：公平性、透明性、可解释性等； 新的对抗攻击方法、隐私保护技术，以及AI安全的新兴领域如自动驾驶、医疗AI的安全问题； 大模型安全、AI生成内容的检测。 -|…… |技能|掌握python编程基础，机器学习基础，加密算法以及安全入门； 具备基础人工智能安全工具链的使用，包括漏洞扫描工具，数据保护工具，监控系统工具等； 理解基本的人工智能生命周期各阶段面临的威胁，包括数据收集到模型部署全阶段； -|掌握一些高级防御技术，如对抗训练实施，模型水印技术，联邦学习中的安全聚合协议，容器化部署安全（Docker镜像漏洞扫描），API网关防护，微服务架构下的零信任策略实施；风险评估框架等； -掌握人工智能安全相关工具，包括：模型可解释性工具（SHAP值用于监管报告）、渗透测试、安全多方计算平台等。 -具备前沿人工智能攻防高级工具链自研能力。 -|掌握前沿人工智能攻防研究，包括基于人工智能的新型对抗防御，后门攻击检测，量子机器学习安全（抗量子密码算法集）等； -具备系统级安全设计能力，包括人工智能可信执行环境设计，人工智能供应链安全，基于强化学习的动态防御策论等； -具备组建人工智能安全团队（红队/蓝队分工设计）； -具备跨学科AI融合能力； -|…… -|经验|0-3年工作经验； -参与1-2个AI安全实验项目（如使用FGSM生成对抗样本、复现数据投毒攻击等）； -使用过基础安全工具； -参与模型基础部署； -参与数据清洗与脱敏（如处理PII信息、标注敏感数据）。 +|掌握一些高级防御技术如：对抗训练实施，模型水印技术，联邦学习中的安全聚合协议，容器化部署安全（Docker镜像漏洞扫描），API网关防护，微服务架构下的零信任策略实施；风险评估框架等；理解基于国产GPU硬件（RISC-V等）的AI部署面临的威胁；具备前沿人工智能攻防高级工具链自研能力。 +|掌握人工智能安全相关工具，包括：模型可解释性工具（SHAP值用于监管报告）、渗透测试、安全多方计算平台等；具备基于国产GPU硬件（RISC-V等）的AI模型部署能力。具备组建人工智能安全团队（红队/蓝队分工设计）；具备跨学科AI融合能力。 +|掌握前沿人工智能攻防研究，包括基于人工智能的新型对抗防御，后门攻击检测，量子机器学习安全（抗量子密码算法集）等；掌握国产AI芯片（RISC-V等）的硬件架构，具备从硬件到AI模型软件部署全流程阶段安全设计的能力；具备系统级安全设计能力，包括人工智能可信执行环境设计，人工智能供应链安全，基于强化学习的动态防御策论等。 +|经验|0-3年工作经验；参与1-2个AI安全实验项目（如使用FGSM生成对抗样本、复现数据投毒攻击等）；使用过基础安全工具；参与模型基础部署；参与数据清洗与脱敏（如处理PII信息、标注敏感数据）。 |3-5年工作经验； 参与至少3-5个AI安全攻防项目（如对抗样本生成与防御、模型逆向工程）； 参与AI系统的全生命周期安全设计（从数据采集到模型部署）； 定制化开发过安全工具； -掌握至少一个垂直领域的安全规范，掌握模型压缩中的安全取舍（量化过程的信息泄露防范等）。 -|5-8年工作经验。 -具有制定企业级AI安全路线（平衡业务需求与安全投入）的项目经验； -具备人工智能新兴技术风险（如扩散模型滥用检测等）评估能力； -参与人工智能相关的国家或者行业标准的制定等； -具备AI伦理与系统性风险治理经验。 -|…… -|小结|初级： AI安全研究员，数据脱敏，模型基础部署； -中级：AI安全架构师，主导联邦学习安全方案、设计模型防火墙； -高级：AI安全总监，制定行业安全标准、应对国家级APT攻击； -能力跃迁关键： -初级→中级：需完成从漏洞修补到主动防御的思维转变，掌握威胁建模方法，AI安全架构师转变为隐私计算专家； -中级→高级：需突破技术执行层，建立安全与业务价值的量化关联，制定企业级AI安全路线图（平衡业务需求与安全投入），AI安全团队构建（红队/蓝队分工设计），制定行业安全标准等，可在"深度防御"与"业务赋能"之间找到动态平衡点。 +熟练1-2个国产AI芯片及其工具的使用。 +|5-8年工作经验；具备人工智能新兴技术风险（如扩散模型滥用检测等）评估能力；掌握至少一个垂直领域的安全规范，掌握模型压缩中的安全取舍（量化过程的信息泄露防范等）。 +|8年以上工作经验；有制定过企业级AI安全路线（平衡业务需求与安全投入）项目经验；参与人工智能相关的国家或者行业标准的制定等；具备AI伦理与系统性风险治理经验；具备3个以上国产国产AI芯片架构及其工具的开发和使用经验。 +|小结|初级： AI安全研究员，数据脱敏，模型基础部署； + +中级：AI安全架构师，主导联邦学习安全方案、设计模型防火墙； + +高级：AI安全总监，国产AI硬件可信到AI软件模型部署； + +专家级：AI安全专家，制定行业安全标准、应对国家级APT攻击； + +能力跃迁关键： + +初级→中级：需完成从漏洞修补到主动防御的思维转变，掌握威胁建模方法，AI安全架构师转变为隐私计算专家； + +中级→高级：需突破技术执行层，建立安全与业务价值的量化关联，制定企业级AI安全路线图（平衡业务需求与安全投入），AI安全团队构建（红队/蓝队分工设计）； + +高级→专家级：制定行业安全标准等，可在"深度防御"与"业务赋能"之间找到动态平衡点。 |=== ==== 3.2.5 RISC-V 软件及工具链方向岗位及能力要求 -- Gitee