近日，光大银行总行开启2025年社会招聘，在此次招聘的5个岗位中，大模型研发岗位是唯一与AI相关的岗位。

该岗位要求具备硕士及以上学历，专业为计算机、数学、统计及相关领域；且年龄不超过35岁；需掌握Python语言，有较强的代码工程实践能力，了解TensorFlow、Pytorch、DeepSpeed等主流深度学习框架，且具备扎实的机器学习、自然语言处理（NLP）算法功底及相关领域项目实践经验；还需满足近三年考核结论均为称职（或对等结论）及以上，且至少一次良好（或对等结论）及以上。

此外，该岗位还明确要求候选人具备领先银行同业，或与银行业务相关行业头部企业相关岗位三年（含）以上的工作经历，这与同期其他银行社招中的大模型岗位要求存在一点差异。例如，民生银行的高级算法工程师（大模型）岗位，仅将大型银行、大型互联网企业相关岗位的经历作为优先考虑因素，而非硬性门槛；宁波银行的大模型应用研发岗位，则未将银行或相关行业经历设为限制条件。

可见，光大银行的大模型研发岗位偏向复合型AI人才，AI人才不仅要懂技术，还要熟悉银行业务。此前，光大银行副行长杨兵兵、工商银行首席技术官吕仲涛接受《新金融联盟》采访时，印证了上述观点。

杨兵兵提到，对于高端AI人才，如果不懂银行业务的话，在市场化时代，银行可以用市场化、合作化的方式进行合作。吕仲涛进一步补充，若直接引进此类AI人才，虽然能提升技术能力，却无法快速解决业务问题，可能出现投入很大但性价比不一定很高的情况。综合两人的说法，可知光大银行、工商银行都偏向需要懂银行的AI人才，而不懂业务的AI人才可以用外部的资源合作。

事实上，招到懂银行的AI人才只是银行业AI人才建设的上半场，如何用好这些AI人才是关键。

杨兵兵认为，用好AI人才需从集中和分布两个方向同步推进，具体而言，就是要把一部分AI人才放在集中部门，另一部分分散在各业务部门，分工协作实现最大价值。

杨兵兵以光大银行为例进行了说明，他提到把一部分AI人才放在该行的智能运营中心，主要做算法和人工智能，这一部分人可以形成小生态，赋予足够的资源后，技术可以不断提升，实现对底层技术的把握；另一部分分散在业务单元的AI人才，需通过光大银行ldquo;模型师资格认证rdquo;后，才可以开展相应业务场景的模型开发，这样开发出的模型才会既符合技术规范也匹配场景需求。

光大银行实现AI人才集中和分布同步推进后，资产类模型可由智能运营中心去负责，偏营销类模型则交给业务单元开发。杨兵兵表示，作为集中部门的智能运营中心，不再像以往那样包揽所有模型开发工作，而是允许分散在其他部门具有ldquo;模型师资格认证rdquo;的人参与进来，针对性解决银行业务需求，这样就是集中和分布做了一个结合。

据悉，智能运营中心是光大银行数字化转型牵头部门和模型统筹管理部门，负责打造企业级特征、模型、策略及智能运营服务平台，而本次招聘的大模型研发岗正属于智能运营中心。