1、AI技术战略规划：制定公司人工智能技术的中长期发展战略和路线图，包括大预言模型和视觉等小模型，结合B端或G端业务需求规划技术架构演进方向，主导AI核心技术的布局与创新，确保技术选型的前瞻性和商业价值。 2、团队管理与建设：协助领导人工智能研发团队（包括算法、标注、大模型微调与知识库等方向）开展工作，负责人员培养与梯队建设，打造具备跨领域协作能力的高效团队，提升团队整体技术实力。 3、算法平台研制：主导公司算法平台（涵盖数据标注、算法训练、模型部署等全流程）的研制与落地，从需求分析、架构设计到开发迭代、上线运维，把控平台的性能、稳定性和扩展性，解决研发过程中的关键技术难题。 4、算法研发与优化：带领团队开展核心AI算法（如机器学习、深度学习、自然语言处理、计算机视觉等）的研发与优化，基于TensorFlow、PyTorch、Lora、Rag等框架构建高性能模型，提升算法在实际业务场景中的效果。 5、数据体系搭建与管理：负责AI相关数据体系的搭建，包括数据采集、清洗、标注、存储等环节，制定数据质量管理规范，保障数据的准确性、完整性和安全性，为算法训练提供高质量数据支撑。 6、业务与技术融合：深入理解林业、农业、工业等业务场景与需求，将业务目标转化为AI技术方案，推动人工智能技术与行业业务的深度融合，解决实际业务痛点。 7、技术落地与价值转化：推动AI技术在产品和业务中的落地应用，制定模型部署策略，解决工程化过程中的技术问题，跟踪技术应用效果，实现AI技术的商业价值转化。 8、跨团队协作与资源协调：与事业部、产品、智能硬件等团队紧密协作，参与产品定义与业务规划，协调内外部资源支持项目推进，确保AI技术研发与市场需求、商业目标保持一致。