双方合作的核心方向，围绕全球AI工厂建设的核心硬件需求，重点突破下一代内存技术。根据协议，SK海力士将深度参与英伟达多款前沿AI计算平台专用内存的协同开发，覆盖英伟达正在全力开拓的AI基础设施、个人AI及物理AI等新兴领域，具体包括：

• 核心平台覆盖：为英伟达Vera Rubin AI超级计算机、Vera CPU、RTX Spark PC及Jetson Thor机器人计算平台定制开发专用内存，从算力核心到终端设备，全面匹配AI全场景的硬件需求。

• 技术协同目标：通过联合研发，突破下一代内存的性能瓶颈，为AI工厂的高效运行提供底层硬件支撑，同时助力SK海力士顺利切入英伟达布局的新兴AI市场，实现双方在AI硬件生态中的深度绑定。

除了内存研发，双方还将AI技术深度应用于半导体芯片的设计与制造环节，借助英伟达的技术体系，重构半导体制造的核心流程，加速产业智能化转型：

• 研发流程加速：SK海力士将全面采用英伟达CUDA-X库及PhysicsNeMo框架，重点优化芯片仿真和光刻计算工作流，通过AI技术提升研发效率，缩短芯片从设计到量产的周期，降低研发成本。

• 工厂自主化落地：双方将联合运用英伟达Omniverse平台、OpenUSD场景优化技术及cuOpt工具，构建晶圆厂数字孪生系统，通过虚拟仿真与实时优化，推动工厂实现完全自主化运营，提升半导体制造的精准度与生产效率。

此次合作并非偶然，而是建立在双方多年深度合作研发的基础之上，同时契合当前全球AI产业对高端硬件的迫切需求：

• 合作基础深厚：双方此前已在存储技术领域积累了长期合作经验，此次合作是对既有合作成果的延续与升级，为下一代内存技术的研发提供了坚实的技术沉淀。

• 市场需求驱动：当前全球AI产业蓬勃发展，市场对高带宽内存（HBM）的需求持续飙升，行业长期处于供需偏紧状态。英伟达新一代Vera Rubin算力平台对HBM4有着刚性需求，而SK海力士作为全球主流计算级存储半导体头部企业，稳定的供货能力与技术实力，成为双方合作的重要前提。

• 产业格局影响：英伟达已敲定Vera Rubin平台HBM4核心供应商，三星电子、SK海力士、美光科技三大头部企业悉数入选，高端存储芯片的订单争夺战已然打响。此次合作不仅保障了英伟达的供应链稳定，也为SK海力士巩固行业地位、获取可观利润增量奠定基础。

AI训练师的核心职责，聚焦于为AI系统搭建可靠的数据基础、优化模型性能，并推动技术与实际场景的精准对接。在当前AI技术向各行业渗透的背景下，这一职业已成为企业搭建AI团队的核心岗位之一。

近年来AI训练、模型数据管理、AI系统运维等岗位的招聘量呈稳步增长态势，具备实操能力的专业从业者，成为企业争抢的重点。从职业特性来看，AI训练师的工作既需要扎实的技术基础，也离不开对业务场景的深度理解，这种“技术+场景”的双重属性，让岗位具备较强的不可替代性。

1. 核心能力：立足岗位的“硬支撑”

AI训练师的职业能力，建立在扎实的技术基础与严谨的工作逻辑之上：

• 基础技术能力是门槛：掌握Python等基础编程语言，能够熟练运用数据处理工具，高效完成数据清洗、标注等基础工作，是开展后续工作的前提。同时，对AI模型的基本逻辑、训练流程有清晰认知，才能更好地配合技术团队推进工作。

• 场景适配能力是关键：AI的价值在于解决实际问题，因此AI训练师需要具备将技术需求与业务场景结合的能力。例如，在医疗AI场景中，要理解医疗数据的规范与临床需求；在工业AI场景中，要熟悉生产流程与设备特性，才能让AI模型真正适配场景、发挥作用。

• 严谨细致的工作素养是保障：AI训练工作对数据质量、模型参数的精准度要求极高，从业者需要具备严谨的工作态度，严格遵守数据安全规范，确保每一个环节的工作质量，这是保障AI系统稳定运行的基础。

2. 职业成长：从基础执行到专业深耕

AI训练师的职业路径，呈现从基础到进阶、从单一到复合的成长逻辑，每一步都离不开实践的积累：

• 基础阶段：夯实根基：初期主要负责数据采集、标注、清洗等基础工作，通过熟悉行业标准与操作流程，掌握数据处理的核心规范，同时在实操中打磨技术工具的使用能力，为后续进阶打下基础。

• 进阶阶段：独立担当：随着经验积累，能够独立完成模型训练辅助、性能测试、场景适配等工作，开始参与具体项目的核心环节，逐步具备对接业务需求、协调资源的能力，成为团队中的骨干力量。

• 深耕阶段：复合发展：长期积累后，可向细分领域深耕，比如专注大模型的语料优化、垂直场景的模型定制，或转向AI项目管理、团队协调等方向，成为兼具技术深度与管理能力的复合型人才，职业发展空间进一步拓宽。

3. 多元背景：找准优势，快速入局

AI训练师的岗位对不同专业背景的从业者较为包容，关键在于结合自身优势找准切入点：

• 技术相关专业：计算机、数学等专业背景的从业者，具备天然的技术基础，可快速切入模型训练、数据处理等核心岗位，依托专业功底快速成长为技术骨干。

• 非技术背景：文科、商科等专业背景的从业者，可凭借对行业规则、业务逻辑的理解，专注于场景化数据标注、业务需求对接等工作，成为连接技术与业务的重要桥梁，在细分领域发挥独特价值。