一、知识体系
1.技术理解能力
1）掌握大模型核心技术原理（如Transformer架构、微调方法、多模态对齐机制等）
2）了解主流大模型体系（如LLaMA、GPT、文心一言等）及其开源技术生态
3）具备基本算法素养，能够分析和解读模型性能指标

2.行业认知能力
1）深入理解特定行业应用场景（如金融、法律、政务、医疗等领域的大模型落地需求）
2）熟悉数据要素市场化相关政策（包括数据资产入表、公共数据开放运营等方向）
3）把握行业核心难题（如政务系统中数据孤岛现象）

二、核心专业能力
1.产品设计与规划能力
1）需求提炼：能从客户非结构化需求中抽象出可标准化的产品路径
2）场景闭环构建：设计覆盖“数据标注-模型训练-效果验证”的全流程解决方案（例如医疗大模型的清洗+精调+私有化部署一体化实施路径）
3）版本节奏管理：制定契合大模型发展规律的产品演进计划（如结合Agent技术趋势预判2025年工具链升级方向）

2.商业落地执行能力
1）价值转化：将技术特性转化为客户可衡量的投入产出比
2）收费模式设计：构建分层服务体系（基础数据支持+高阶算法模块+持续训练收益分成）
3）资源整合能力：建立供应商分级合作机制（头部机构战略合作+区域性小型服务商补充交付能力）

3.技术成果转化能力
1）工具开发背景：曾主导人工智能类工具的实际研发项目
2）算法对接能力：推动算法团队实现技术向产品功能的转化
3）工程落地思维：在理想方案与实施成本之间取得平衡

三、关键软性能力
1.跨团队协作能力
1）高效协同算法、标注、交付等多方团队
2）搭建技术与业务之间的联动机制

2.风险识别与应对能力
1）提前识别项目推进中的潜在风险点
2）制定保障产品安全落地的应急预案

3.政策响应能力
1）敏锐捕捉政策带来的发展机遇
2）有效规避合规层面的风险隐患