- 方案设计:负责昇腾AI、计算、云虚拟化产品方案设计与商业化落地,基于业务场景逐环拆解产品方案嵌入点,从需求调研、方案设计、投标策略到项目交付全流程闭环,引导产品需求规模化,支撑XA铁路CV大模型、TFDS(货车故障轨旁图像AI检测)、J用无人机参考设计等行业项目落地,实现IT产业收入规模同比增长100%;
- 行业洞察&竞品分析:梳理行业客户IT架构及数据资产,跟踪行业政策动态与竞争格局,输出智能制造行业参考设计、铁路行业数智化转型解决方案洞察等7篇洞察报告材料,总结提炼竞品HTB打法5篇,支撑产品线和行业系统部的战略决策;
- 技术交流&宣讲:负责综合政府、智能制造、交通行业的技术方案交流与宣讲,识别客户需求并建立CTO及以下层级客户的技术互信,推动项目技术决策链突破,主笔25+项目可研论证报告/十五五规划/行业解决方案技术建议书,组织60+行业TOP客户高层汇报/研讨,支撑项目中标率85%;
- 伙伴培训赋能:筛选并赋能24家行业ISV、OEM、代理合作伙伴,开设7场行业解决方案赋能专班,围绕行业洞察、竞争分析、行业解决方案设计、行业标杆案例分享四大模块,覆盖伙伴售前人员70+人次,联手ISV慧铁打造 TFDS(货车故障轨旁图像检测)方案并在全国5+局点实现复制落地,实现联合方案营收同比提升19%;
- 商业模式突破:实现昇腾AI芯片/模组在军用无人装备领域的解决方案突破,锁定巡飞弹高消耗场景,快速完成场景锁定+总体所竞标卡位,设计技术资源/价格分层门槛的资源稀缺性推动客户决策,扭转50片预研需求走向万片级规模化装备定型,形成华为昇腾AI芯片在军工智能装备领域首次实现规模商业化落地的解决方案;
工作经历
- 产品GTM:负责新品上市端到端操盘,从产品定位、量价策略、品牌份额分析,基于不同区域的市场结构,绘制新品上市IPMS流程地图,根据产品上市策略适配Checklist,结合历史销售弹性与竞品份额动态调整零售与分货策略,在Pura90、Pura X Max旗舰新品上市中实现首月有效库存覆盖率95%+,赛道排名TOP2;
- 数据分析&市场策略:基于BCI、腾讯数据,通过Fine BI 搭建覆盖271家门店的分价位段品牌份额洞察看板,动态分析竞品价格走势、库存覆盖情况、客流走势、企微及V3会员转化等门店经营数据,结合市场动态调整零售策略,实现线上到店转化率提升9.2%;
- 零售AI场景实践:基于产品上市IPMS流程逐环识别门店运营结合AI提效的切入场景,挖掘 Agent 结合3C消费品零售场景的应用,VibeCoding搭建零售数据分析看板、运营SOP生成、活动策划、零售UGC生成等进行场景价值论证,推动零售解决方案从3.0到4.0的迭代方向决策;
What I've earned
证书与技能
持有华为云 HCIP 认证,B2B · B2C 双赛道,三年工作经验,具备技术理解能力与行业解决方案实战经验,深度使用 Claude Code、Codex、Hermes Agent 等 AI 工具,具备团队管理经验。
华为云 HCIP 认证
Issued by 华为技术有限公司 • 2024
What I've built
项目经历
项目概述
面向J用无人智能装备领域,从零到一孵化基于Ascend AI芯片的行业解决方案(华为军工芯片无交付先例、客户需求仅50片),通过场景预判→适配锁定→稀缺性倒逼,将 Ascend AI 芯片纳入J用巡飞弹、无人车等智能装备定型体系,实现万片级规模化采购;
核心挑战
全新领域
华为在军用智能装备领域无任何解决方案交付先例,军品级装备对产品可靠性、供应链稳定性、长期技术服务要求极高,华为缺少相应案例;
需求规模碎片化
军工单位产品预研周期长且起步仅 50 片试样,想推动客户完成技术路线锁定,从验证到定型、从定制到批产,中间每一步都可能流失;
特殊环境壁垒
军用产品对宽温 / 抗冲击 / 震动 / 长生命周期存在高要求,民品级芯片无法满足;且算法需拉通FAE/PAE 深度适配 + 联合开发,投入周期和成本高;
技术路线锁定窗口窄
装备一旦定型,未来5-10 年不可替换,但华为产品生命周期短,须在锁定窗口内完成批量压货,时间窗口一旦错过就难以入局。
项目详情
技术域
解决方案
项目概述
为响应国家信创战略,XA铁路局信息所2025年启动AI算力平台建设项目,目标构建完全国产自主可控的AI算力平台,覆盖客运安全防控、异物/设备缺陷检测、防洪监测、机车检修作业过程分析、平交道口界限分析等15个铁路行业核心应用场景。
核心挑战
客户关系僵化
由于历史项目原因,路局客户关系降至冰点,客户经理难以约见高层技术汇报,前期方案引导滞后。
项目评标原则
铁路局信息化采购严格执行"经评审的最低价中标",华为成本结构劣势。
友商先发卡位
百度同期深度跑动,依托其平台+模型+硬件的灵活组合方案,已在客户侧进行场景POC测试,占得认知先机。
模型兼容性
昇腾910B2、910B4与Ernie-4.5-VL-424B-A47B、Ernie-4.5-VL-28B-A38在模型训练与推理场景均未适配。
项目详情
技术域
解决方案
项目概述
基于项目需求,联合ISV伙伴百度开展Ernie-4.5-VL-424B-A47B、Ernie-4.5-VL-28B-A38与昇腾910B2、昇腾910B4、310P的适配工作,满足客户要求的模型训推性能、精度基线
核心挑战
非标技术栈
FastDeploy推理引擎与昇腾未适配,推理框架缺少在昇腾NPU环境的镜像包和安装与部署指导。
自定义融合算子开发
训练 8 个 + 推理 2 个,基于Ascend C 语言重写,需要同时理解模型语义、算子行为和 NPU 底层硬件,是本项目最大技术卡点。
模型训推精度对齐
需要逐层定位精度差异根因,确认在可接受范围内,推理为单次前向的放大、训练为 400 步梯度更新逐步累积的放大,模型训练精度比推理精度难一个数量级。
模型训推性能优化
性能优化存在内存墙、首 Token 300ms 余量窄、精度与性能互相制约的核心约束。
适配自定义算子
解决方案
项目概述
基于零售业务3.0转型目标,主导产品上市IPMS流程从3.0到4.0的迭代升级,重构新品上市Checklist框架,以Pura90、Pura X Max两款旗舰新品为试点全流程跑通验证,建立数据驱动的上市操盘体系。
核心挑战
流程颗粒度不足
IPMS 2.0仅有12个关键节点,上市执行中大量细节依赖个人经验,不同区域执行一致性差。
数据反馈滞后
上市数据复盘以天级为单位,竞品动态响应慢,分货调整依赖人工经验判断,缺乏实时数据支撑。
部门协同断点
产品线、GTM、零售、供应链、MKT五大部门信息不同步,部门间平均延迟3天,上市节奏衔接不畅。
新品风险前置不足
上市前风险识别缺乏系统性框架,部分问题在上市后暴露,错过最佳干预窗口期。
项目详情
关键能力域
解决方案
Education
教育背景
合肥工业大学
Hefei University of Technology
国际经济与贸易
校级优秀毕业生
合肥工业大学 · 2023
省级大创竞赛二等奖
安徽省大学生创新创业大赛
校级一等奖学金
合肥工业大学 · 2021-2022