一、AI与物联网融合架构设计 1.负责设计面向智能家居/照明场景的AI推理架构，打通设备数据采集、特征工程、模型推理到策略下发的全链路。 2.主导物联网平台AI能力的架构升级，设计规则引擎与AI决策引擎的融合方案，实现基于设备状态的动态智能场景联动。 3.负责边缘AI计算架构设计，制定模型在边缘网关、智能终端上的轻量化部署方案与推理框架选型。 二、AI工程化与MLOps体系建设 1.构建MLOps基础设施，负责算法模型的版本管理、CI/CD流水线、自动化测试、灰度发布与线上推理效果监控。 2.搭建模型生命周期管理平台，支持算法团队快速完成从训练到上线的迭代闭环，支撑模型周级/天级更新能力。 3.设计AI推理服务的弹性扩缩容架构，保障海量设备并发请求下的低延迟响应。 三、算法工程落地与性能优化 1.负责CV、NLP、时序预测等模型在IoT场景下的工程化部署，解决模型推理延迟、资源占用、精度损失等技术难题。 2.推动模型压缩（量化、剪枝、蒸馏）、算子优化、异构计算加速等技术在边缘侧的落地，确保算法在受限设备上高效运行。 3.主导AI模型在生产环境的性能调优，包括在线推理的性能压测、瓶颈分析与持续优化。 四、数据架构支撑与质量保障 1.协同数据团队设计面向AI的数据管道架构，保障设备时序数据、用户行为数据的高质量采集与特征构建。 2.负责AI推理数据的回流机制设计，构建数据飞轮，支撑模型持续迭代优化。 五、前沿技术探索与落地 1.跟踪AIGC、大模型轻量化、端侧智能等前沿技术进展，评估其在智能照明、语音控制、智能场景推荐等场景的商业化落地可行性。 2.参与与芯片厂商、云厂商的技术合作，探索软硬协同的AI加速方案，优化基础设施选型与成本。