AI开发经理/技术负责人（AI药物研发平台方向）

负责公司自研AI药物研发平台的AI技术规划、后端架构设计与核心模块把关，制定技术路线图，对标国际前沿技术理念，推动分子生成、虚拟筛选、ADMET预测、靶点识别等核心计算模块的工程化落地。 带领AI工程/算法团队，将前沿AI算法（涵盖GNN、Transformer、扩散模型等）从论文或实验室原型，转化为高性能、高可用、可扩展的生产级服务，并负责关键架构评审与技术选型。 规划并管理大规模药物数据处理与特征工程Pipeline，统筹ChEMBL、PDB、UniProt等多源异构生物信息数据的接入、治理、质量保障与高效流转。 负责高性能计算（HPC）环境适配与GPU集群调度体系（Kubernetes/Triton），优化模型推理延迟与吞吐量，建立自动化Benchmark评估体系与模型性能监控机制，持续追踪模型表现与资源成本。 作为AI团队与药物化学、生物学科研团队的核心接口，理解实验反馈与业务需求，将其转化为可执行的技术方案，推动现有算法工具迭代优化与功能拓展。 负责团队建设、培养与任务分配，制定项目计划、里程碑和交付标准，识别并控制技术风险与项目风险。

本科及以上学历，计算机科学、人工智能、软件工程、生物信息学、计算化学等相关专业。 5年及以上后端/计算平台/AI系统开发经验，其中至少2年AI/ML工程化经验，至少2年技术团队管理或项目负责人经验。 精通Python，熟悉FastAPI/Django等后端框架；具备扎实的Docker、Kubernetes容器化部署经验，熟悉Linux环境下的性能调优。 熟练使用PyTorch，深入理解GNN、Transformer、扩散模型等主流算法原理，具备模型微调（Fine-tuning）、蒸馏（Distillation）及工程化部署实战经验，能够指导团队解决算法落地问题。 熟悉RDKit、OpenBabel等工具库，了解SMILES、SDF、PDB等文件格式的解析与处理，熟悉靶点-配体相互作用基本理论，了解分子生成、虚拟筛选、ADMET预测、靶点识别等药物研发流程。 逻辑严密，具备较强的复杂遗留系统代码阅读、重构与架构治理能力，能够将复杂的业务需求或科研需求拆解为清晰的技术方案、架构设计和项目计划。 具备优秀的团队管理、跨部门沟通、项目管理和资源协调能力，能够推动算法、工程、产品与科研团队高效协作并保障交付。 有较强的技术判断力、领导力、责任心和抗压能力，对AI制药有热情，能够适应快速变化和跨学科协作环境。 加分项 有AI制药、生物医药计算平台从0到1建设或规模化落地经验。 熟悉MLOps、模型监控、自动化评测与GPU资源成本优化。 有HPC集群、Kubernetes调度、Triton/TorchServe大规模服务化经验。