主分类：售前解决方案
辅助：企业战略研究与管理咨询（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "行业解决方案架构师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "行业垂直作战组织",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "营销族"AI生成
},
"company": {
"company_name": "华为",
"company_industry": "信息通信技术 / 智能终端 / 云计算",
"company_size": "10000人以上",
"company_website": "huawei.com",
"company_description": "华为提供通信网络、企业网络、智能终端、云服务、数字能源和智能汽车解决方案。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 8,
"degree": "- 硕士及以上学历",
"language": "简体中文,英语",AI生成
"visa_support": "未披露",
"responsibilities": "主要职责:\n1、\t洞察金融数智化转型方向：持续深度跟踪国内外领先银行、国内头部大行的数智化转型进程，洞悉金融数智化从趋势判断到落地路径的全链路，为工行的数智化转型指明方向\n2、\t领先的架构设计能力：负责工商银行数智化转型中AI相关的架构设计，从AI Native的角度设计工行的智能化转型架构，尤其关注智能体架构、数据知识工程等，确保在技术深度、可落地性处于领先地位\n3、\t价值场景落地：通过与工行的战略级联合创新，高层的交流与引导，实现顶层架构设计与业务价值场景的结合，在业务场景中体现当前架构与方案的的价值场景，并牵引工行内部资源以及公司内部资源成功落地推广。\n4、\t内外部营销赋能：将行业洞察与工行的最佳实践转化为可复制的知识资产，赋能解决方案团队与交付团队，提升整体金融行业作战能力。",
"requirements_text": "语言要求:\n简体中文,英语\n教育背景要求:\n- 硕士及以上学历，计算机科学、人工智能、金融学、数据科学等相关专业背景\n- 优先：博士学历或海外知名院校MBA背景\n\n技能要求:\n1. 战略规划与架构设计：能够站在金融大行的全局视角，设计具有前瞻性的AI Native数智化转型架构，并将其转化为可落地的实施路径。\n2. 高层沟通与影响力：具备与银行高层、科技部部负责人平等对话的能力，建立信任关系，推动联创项目落地。\n3. 竞争分析：能够系统性分析竞品方案，提炼差异化竞争点。\n4. 持续学习与方向判断：能够针对AI领域的知识与新方向，保持持续的学习热情，并能判断技术真正的发展方向\n\n知识要求:\n1. 金融行业深度理解\n- 熟悉银行业人工智能、大数据等建设的技术与实践\n- 深度理解银行人工智能（核心技术点：智能体、生成式AI、深度学习与机器学习等）与大数据平台架构（核心技术点：湖仓一体、存算分离、批流一体等）\n- 深刻理解金融行业的数智化转型路径\n\n2. AI与大模型技术栈\n- 精通大模型在金融行业的应用场景（智能客服、智能风控、智能营销等）\n- 精通智能体架构（Agent，上下文工程，harness工程）等相关知识。\n- 熟悉金融大模型的选型方法论（开源模型 vs 闭源模型，推理效率与安全平衡）\n- 了解数据与知识工程（本体建模，LLM Wiki， 知识图谱等）\n\n3. 竞争格局与生态\n- 深度理解国内与海外领先互联网厂商与AI领域的解决方案优劣，如阿里/腾讯/字节等当前的主推方案与产品，能够支撑后续竞争策略制定。",
"skills": [AI生成
"机器学习",
"深度学习",
"知识图谱",
"架构设计",
"建模",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "优先：博士学历或海外知名院校MBA背景",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://career.huawei.com/cn/job-details?advertisementId=39494"
}
]
},
"posting": {
"posting_id": "39494",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://career.huawei.com/cn/job-details?advertisementId=39494"
},
"fulltext": "行业解决方案架构师\n岗位职责\n主要职责:\n1、\t洞察金融数智化转型方向：持续深度跟踪国内外领先银行、国内头部大行的数智化转型进程，洞悉金融数智化从趋势判断到落地路径的全链路，为工行的数智化转型指明方向\n2、\t领先的架构设计能力：负责工商银行数智化转型中AI相关的架构设计，从AI Native的角度设计工行的智能化转型架构，尤其关注智能体架构、数据知识工程等，确保在技术深度、可落地性处于领先地位\n3、\t价值场景落地：通过与工行的战略级联合创新，高层的交流与引导，实现顶层架构设计与业务价值场景的结合，在业务场景中体现当前架构与方案的的价值场景，并牵引工行内部资源以及公司内部资源成功落地推广。\n4、\t内外部营销赋能：将行业洞察与工行的最佳实践转化为可复制的知识资产，赋能解决方案团队与交付团队，提升整体金融行业作战能力。\n\n岗位要求\n语言要求:\n简体中文,英语\n教育背景要求:\n- 硕士及以上学历，计算机科学、人工智能、金融学、数据科学等相关专业背景\n- 优先：博士学历或海外知名院校MBA背景\n\n技能要求:\n1. 战略规划与架构设计：能够站在金融大行的全局视角，设计具有前瞻性的AI Native数智化转型架构，并将其转化为可落地的实施路径。\n2. 高层沟通与影响力：具备与银行高层、科技部部负责人平等对话的能力，建立信任关系，推动联创项目落地。\n3. 竞争分析：能够系统性分析竞品方案，提炼差异化竞争点。\n4. 持续学习与方向判断：能够针对AI领域的知识与新方向，保持持续的学习热情，并能判断技术真正的发展方向\n\n知识要求:\n1. 金融行业深度理解\n- 熟悉银行业人工智能、大数据等建设的技术与实践\n- 深度理解银行人工智能（核心技术点：智能体、生成式AI、深度学习与机器学习等）与大数据平台架构（核心技术点：湖仓一体、存算分离、批流一体等）\n- 深刻理解金融行业的数智化转型路径\n\n2. AI与大模型技术栈\n- 精通大模型在金融行业的应用场景（智能客服、智能风控、智能营销等）\n- 精通智能体架构（Agent，上下文工程，harness工程）等相关知识。\n- 熟悉金融大模型的选型方法论（开源模型 vs 闭源模型，推理效率与安全平衡）\n- 了解数据与知识工程（本体建模，LLM Wiki， 知识图谱等）\n\n3. 竞争格局与生态\n- 深度理解国内与海外领先互联网厂商与AI领域的解决方案优劣，如阿里/腾讯/字节等当前的主推方案与产品，能够支撑后续竞争策略制定。\n主要职责:\n1、\t洞察金融数智化转型方向：持续深度跟踪国内外领先银行、国内头部大行的数智化转型进程，洞悉金融数智化从趋势判断到落地路径的全链路，为工行的数智化转型指明方向\n2、\t领先的架构设计能力：负责工商银行数智化转型中AI相关的架构设计，从AI Native的角度设计工行的智能化转型架构，尤其关注智能体架构、数据知识工程等，确保在技术深度、可落地性处于领先地位\n3、\t价值场景落地：通过与工行的战略级联合创新，高层的交流与引导，实现顶层架构设计与业务价值场景的结合，在业务场景中体现当前架构与方案的的价值场景，并牵引工行内部资源以及公司内部资源成功落地推广。\n4、\t内外部营销赋能：将行业洞察与工行的最佳实践转化为可复制的知识资产，赋能解决方案团队与交付团队，提升整体金融行业作战能力。\n语言要求:\n简体中文,英语\n教育背景要求:\n- 硕士及以上学历，计算机科学、人工智能、金融学、数据科学等相关专业背景\n- 优先：博士学历或海外知名院校MBA背景\n\n技能要求:\n1. 战略规划与架构设计：能够站在金融大行的全局视角，设计具有前瞻性的AI Native数智化转型架构，并将其转化为可落地的实施路径。\n2. 高层沟通与影响力：具备与银行高层、科技部部负责人平等对话的能力，建立信任关系，推动联创项目落地。\n3. 竞争分析：能够系统性分析竞品方案，提炼差异化竞争点。\n4. 持续学习与方向判断：能够针对AI领域的知识与新方向，保持持续的学习热情，并能判断技术真正的发展方向\n\n知识要求:\n1. 金融行业深度理解\n- 熟悉银行业人工智能、大数据等建设的技术与实践\n- 深度理解银行人工智能（核心技术点：智能体、生成式AI、深度学习与机器学习等）与大数据平台架构（核心技术点：湖仓一体、存算分离、批流一体等）\n- 深刻理解金融行业的数智化转型路径\n\n2. AI与大模型技术栈\n- 精通大模型在金融行业的应用场景（智能客服、智能风控、智能营销等）\n- 精通智能体架构（Agent，上下文工程，harness工程）等相关知识。\n- 熟悉金融大模型的选型方法论（开源模型 vs 闭源模型，推理效率与安全平衡）\n- 了解数据与知识工程（本体建模，LLM Wiki， 知识图谱等）\n\n3. 竞争格局与生态\n- 深度理解国内与海外领先互联网厂商与AI领域的解决方案优劣，如阿里/腾讯/字节等当前的主推方案与产品，能够支撑后续竞争策略制定。",
"standard_classification": {
"std_category_code": "B020",
"std_aux_codes": [
"F006"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}