智慧眼招聘

这家公司是做什么的？

公司介绍

智慧眼是一家专注于大健康领域的人工智能企业，主营业务为基于计算机视觉、知识图谱、自然语言处理等核心技术，研发并提供医疗健康领域的AI解决方案与服务。公司以自研的‘砭石’大模型为基础，结合隐私计算与AIaaS模式，为政府医保/卫健/社保部门、医院、药店、保险机构及药物研发企业等客户，提供疾病防控、健康管理、社会治理及产业赋能等服务，致力于通过AI技术优化医疗健康服务体系并降低不合理支出。

核心业务与产品

• 基于‘砭石’医疗健康大模型提供AI解决方案：该模型采用‘通用语料预训练+医疗小样本精调’模式，旨在革新传统单一任务的辅助诊断，实现医疗诊断、智能认知、健康管理等多样化任务，提升医疗服务的智能化水平。
• 提供结合隐私计算的AIaaS（AI即服务）：为养老、保险、药物研发、疾病防控、政府治理等多个领域提供技术支持，旨在帮助政府部门增强社会治理能力，提高基层医疗机构服务水平，并优化慢病人群健康管理方式。

公司荣誉

公司在人工智能核心技术领域有长期积累，专注于计算机视觉、知识图谱、NLP及隐私计算，并基于此构建了垂直领域的‘砭石’大模型。公开资料显示，其于2019年荣获吴文俊人工智能科技进步奖，并曾获批国家‘互联网+’重大工程，入选国家级专精特新‘小巨人’企业，这些可作为其技术实力与行业认可度的部分佐证。

💡 业务高度聚焦于医疗健康领域的AI应用，技术研发与行业政策、数据合规性关联紧密，项目周期与交付可能受相关领域监管要求影响。

公司有哪些重要的客户和合作伙伴？

重点行业客户

• 医疗健康：服务医院、药店、诊所等基层医疗机构，通过AI技术提升其服务水平，并优化慢病人群的健康管理，但未公开具体合作医疗机构名单。
• 医药研发：为药物研发企业提供AI支持，但未在公开资料中提及具体合作伙伴或项目信息。
• 保险与金融：为保险机构提供技术支持，涉及健康管理、风险控制等领域，具体合作客户及项目细节未公开披露。
• 政府与公共事业：主要为医保、卫健、社保等政府部门提供AI技术解决方案，旨在增强其社会治理能力，具体合作项目与客户名称未在公开资料中详细披露。

💡 公开客户信息披露有限，业务高度依赖政府及医疗健康行业客户，客户集中度与具体合作稳定性存在不确定性。

在市场中面临怎样的竞争

主要竞争对手（业务重合度80%以上）

• 依图科技：专注于计算机视觉技术，业务覆盖医疗影像、城市安防等多个领域。
• 商汤科技：以计算机视觉和深度学习技术为核心，提供广泛的AI解决方案，包括智慧医疗。
• 科大讯飞：在语音识别和自然语言处理领域领先，其AI技术也应用于医疗和教育等行业。
• 阿里健康：阿里巴巴旗下的大健康平台，整合电商、医疗服务和AI技术，提供综合健康解决方案。
• 腾讯觅影：腾讯推出的AI医学影像分析平台，专注于医疗影像的辅助诊断。

特点与差异

• 依图科技：在医疗影像和城市安防领域有较深积累，整体更偏向视觉技术驱动的行业解决方案。
• 商汤科技：技术覆盖范围更广，在多个行业提供标准化AI平台，整体更偏向通用型AI技术供应商。
• 科大讯飞：在语音和自然语言处理技术方面更突出，整体更偏向特定AI技术领域的深度应用。
• 阿里健康：业务整合电商与医疗服务，整体更偏向平台型大健康生态构建。
• 腾讯觅影：专注于医疗影像的AI辅助诊断，整体更偏向垂直医疗场景的单一产品化应用。

智慧眼的优势

智慧眼在竞争格局中更偏向医疗健康垂直领域的深度技术应用，其优势来源于长期聚焦于计算机视觉、知识图谱、自然语言处理及隐私计算等核心技术，并构建了垂直领域的‘砭石’大模型，实现了从单一任务辅助诊断向多样化医疗健康任务的革新。公司通过获批国家‘互联网+’重大工程和入选国家级专精特新‘小巨人’企业，在技术积累和行业认可方面形成一定壁垒。然而，现实约束在于业务高度集中于大健康领域，市场拓展受行业政策、数据合规性及客户接受度影响较大，且与大型科技公司相比，在资金规模和生态资源上存在天花板。

💡 业务高度垂直，技术研发与医疗行业强绑定，职业发展可能受行业周期和政策变动影响较深。

公司最新动态信息整理

近期关键动态

• 根据公开信息，在近6-24个月内，未检索到来自国家工信部、国家企业信用信息公示系统、公司官网、财报或主流媒体关于智慧眼科技股份有限公司（智慧眼）的明确、可验证的重大事件披露，如具体合作签署、产品发布、资本动作或技术突破等。

综合前景判断

• 行业位置：公司专注于医疗健康垂直领域的AI应用，属于细分赛道参与者，历史上有国家级项目认可，但近期市场地位变化未公开披露。
• 资源绑定度：业务高度依赖政府医保/卫健/社保部门及医疗健康行业客户，客户结构相对集中，但具体合作深度与稳定性未在近期资料中更新。
• AI化程度：核心技术包括计算机视觉、知识图谱、自然语言处理及隐私计算，并构建了‘砭石’医疗健康大模型，AI技术应用是其核心，但最新技术突破或产品迭代未公开。
• 政策影响：业务与医疗健康行业政策、数据合规性紧密相关，历史获批国家‘互联网+’重大工程显示政策支持，但近期政策变动影响未披露。
• 盈利结构：公司为未上市企业，未公开披露营收、利润或现金流等财务数据，盈利模式基于AI解决方案与服务，但具体结构未知。

谨慎点

• 公开信息有限：在近6-24个月内，缺乏来自权威监管平台、公司官网或主流媒体的最新动态披露，如合作、产品发布或财务数据更新，导致对公司当前运营状况的判断存在较大不确定性。
• 业务结构单一：基于现有简介，公司业务高度集中于大健康领域的AI应用，客户主要为政府及医疗健康机构，业务多元化程度较低，可能面临行业周期性或政策变动风险。
• 财务透明度低：作为未上市企业，未公开披露具体的营收、利润率、客户集中度或现金流数据，营利波动和财务健康状况无法从公开资料中评估。

💡 业务与医疗健康政策及数据合规强相关，项目周期可能受监管审批和行业标准影响，公开动态信息更新较少。

AI时代下，此公司是如何应对的？— 以下是我们为你整理的信息

智慧眼科技股份有限公司（智慧眼）自2009年成立以来，始终专注于计算机视觉、知识图谱、自然语言处理等人工智能核心技术的研究与应用，传统定位是一家专注于大健康领域的人工智能企业。面对AI技术快速迭代和行业深度融合的外部浪潮，公司当前的转型总体方向是深化人工智能技术在医疗健康垂直领域的应用，通过构建并推广其自研的‘砭石’医疗健康大模型，结合隐私计算与AIaaS（AI即服务）模式，旨在革新传统医疗辅助诊断模式，构建智能化的大健康服务生态圈。

发力重点

• 构建并推广垂直领域大模型：公司研发了医疗健康领域的大模型‘砭石’，采用‘通用语料预训练+医疗小样本精调’的模式，旨在实现医疗诊断、智能认知、健康管理等多样化任务，以革新传统单一任务的辅助诊断模式，形成核心产品价值。
• 深化AI技术与行业应用融合：基于‘砭石’大模型，结合隐私计算技术，为养老、保险、药物研发、疾病防控、政府治理等多个领域提供AI解决方案与服务，旨在增强政府部门的社会治理能力，并提升基层医疗机构的服务水平。
• 采用AIaaS（AI即服务）模式：公司通过AI即服务的交付方式，为不同领域的客户提供技术支持，旨在优化服务流程、降低客户使用门槛，并探索更灵活的商业模式，以支持其构建信息化、数字化、智能化的大健康服务生态圈。
• 聚焦源头技术创新与行业认可：公司坚持在计算机视觉、知识图谱、自然语言处理、隐私计算等核心技术领域进行研发，并通过获得吴文俊人工智能科技进步奖、获批国家‘互联网+’重大工程、入选国家级专精特新‘小巨人’企业等方式，强化其技术壁垒和行业地位。

未来 3-5 年的核心驱动力

• 技术周期驱动：AI大模型技术在医疗健康领域的持续渗透与精调应用，如‘砭石’模型的迭代优化，可能成为提升产品竞争力和服务多样性的关键。
• 行业与政策环境：国家在‘互联网+’医疗健康、智慧养老、疾病防控等领域的政策支持，以及数据合规与隐私计算需求的增长，为公司业务拓展提供了外部机遇。
• 业务模式迁移：从提供单一技术解决方案向基于大模型和AIaaS的综合性服务平台演进，旨在通过服务订阅或项目合作方式，深化客户绑定并探索新的盈利结构。

长期路线

• 短期：继续深化‘砭石’大模型在医疗诊断、健康管理等场景的应用落地，并基于现有客户基础（如政府、医疗机构、保险机构）拓展服务范围，巩固在医疗健康AI垂直领域的市场地位。
• 中期：探索‘砭石’大模型与隐私计算、AIaaS模式的更深度融合，可能向药物研发、慢性病管理等更细分领域延伸，并尝试构建或参与行业标准与生态联盟，以增强生态绑定和行业影响力。
• 长期：在技术积累和行业认可的基础上，可能向更广泛的健康科技或生命科学领域拓展，如结合基因组学或穿戴设备数据，并评估全球化潜力，但当前业务仍高度集中于国内大健康市场。

💡 转型节奏聚焦于垂直领域深度技术应用，优势在于核心技术积累和行业早期认可，但‘砭石’大模型的广泛商业化落地效果与AIaaS模式的盈利可持续性尚待市场验证。

这家公司的风险与机遇 — 求职者要如何应对？

💡 机会能否转化为个人成长，取决于你如何利用公司资源：若追求技术深度与行业专精，这里提供明确路径；若偏好广度或稳定，则需评估匹配度。关键在于主动规划与执行。

你适合此公司的工作方式吗？

高度适配的特质

• 具备计算机视觉、自然语言处理等AI技术专长，同时熟悉医疗数据特征与业务流程，能快速将技术适配到诊断、健康管理等具体场景。
• 适应非标准工时和项目驱动的工作节奏，能承受政府招标或政策变动带来的交付压力，并在跨团队协作中保持高效。
• 注重数据隐私与行业合规，在工作中主动遵循医疗法规和隐私计算要求，减少合规风险对项目进度的影响。
• 擅长与政府部门、医院等机构客户沟通，能理解其治理需求和服务痛点，并将技术方案转化为可落地的解决方案。
• 对‘砭石’大模型等自研技术有热情，愿意参与长期研发迭代，并在AIaaS模式下探索服务创新与商业模式优化。

潜在的不适配因素

• 期望工作节奏稳定、可预测，难以适应医疗项目随政策审批和客户决策波动的非标准工时与交付压力。
• 偏好纯算法研究或前沿技术探索，对将AI技术工程化并适配医疗场景的落地过程缺乏耐心或兴趣。
• 追求跨行业经验积累或快速跳槽增值，因业务集中于医疗健康领域，技能通用性相对受限，外部转换成本较高。
• 不擅长与政府或机构客户沟通，对官僚流程、合规要求感到繁琐，影响项目推进和个人成就感。
• 倾向于独立工作或小团队协作，难以适应跨学科团队（如与临床医生、数据专家合作）的复杂沟通与整合需求。

高阶生存法则

在该公司脱颖而出需在技术深度与行业理解间建立稀缺性，主动参与核心项目，构建跨领域协作网络，并持续跟踪政策与技术趋势。策略应聚焦可验证的成果积累与生态影响力提升。

• 深度参与‘砭石’大模型的关键模块研发或优化项目，产出可量化的性能提升或专利成果，增强技术话语权。
• 主动承担跨部门协调角色，如链接研发团队与医疗客户，积累项目全流程管理经验，并建立内部信任网络。
• 持续学习医疗健康行业政策、数据标准及新兴技术（如基因组学AI），将个人技能与行业趋势对齐，形成前瞻性洞察。
• 在AIaaS交付中优化服务流程或客户体验，提出可落地的改进方案，并推动其规模化应用，提升业务价值贡献。
• 参与行业会议、发表技术文章或贡献开源项目，构建个人在医疗AI领域的专业品牌，为长期职业发展铺路。

💡 匹配度关键在平衡技术热情与行业耐心：若仅热衷AI而厌烦医疗流程细节，可能难以持久；面试时务必确认具体岗位的项目类型与客户互动频率。

哪些团队值得重点关注？ — 内部信息整理

AIaaS平台与交付运营团队

• 技术栈：云计算与SaaS平台运维技能AI服务集成与API管理能力客户支持与培训经验业务流程优化与数据分析知识
• 项目特点：项目规模灵活，基于‘砭石’大模型提供AI即服务，交付链路包括平台部署、客户接入、持续优化及技术支持节奏以服务订阅和客户需求驱动，横纵协作需与研发、销售团队联动，结果导向强调平台稳定性、用户体验和续约率
• 成长价值：学习曲线覆盖云技术、服务运营及客户成功管理，专业沉淀在AIaaS模式实践上，迁移空间向其他SaaS或平台产品扩展，视野通过多行业客户接触拓宽，晋升路径偏向运营负责人或产品经理
• 压力指数：目标强度持续，需保障平台高可用性和快速响应客户问题，不确定性来自技术故障或客户需求多样化，负责深度涉及日常运维和迭代优化，节奏可能7x24待命，风险包括服务中断或客户流失压力
• 推荐人群：具备技术运营背景、注重细节、善于客户互动并追求服务创新能力的运维工程师或客户成功专员。

医疗健康大模型研发团队

• 技术栈：AI算法研发（计算机视觉、自然语言处理、知识图谱）医疗数据理解与处理能力大模型架构设计与优化技术隐私计算与数据安全合规知识
• 项目特点：项目规模中等，聚焦‘砭石’大模型的迭代与精调，交付链路涉及数据采集、模型训练、临床验证及产品化节奏受技术突破和医疗场景需求驱动，横纵协作需与业务团队、医疗机构紧密配合，结果导向强调模型准确性与行业适用性
• 成长价值：学习曲线陡峭，可深入前沿AI技术与医疗交叉领域，专业沉淀在垂直模型研发上，迁移空间向通用AI或生命科学拓展，视野通过行业合作拓宽，晋升路径偏向技术专家或团队负责人
• 压力指数：目标强度高，需持续提升模型性能以应对医疗诊断的严苛要求，不确定性来自数据质量、算法泛化能力及合规约束，负责深度涉及全流程研发，节奏可能因项目里程碑紧张，风险包括技术路线调整或商业化延迟
• 推荐人群：具备扎实AI技术背景、对医疗健康有浓厚兴趣、能忍受长期研发周期并追求技术深度的算法工程师或数据科学家。

政府与公共事业解决方案团队

• 技术栈：行业解决方案设计与交付能力政府业务流程与政策理解项目管理和客户沟通技巧AI技术应用与集成知识
• 项目特点：项目规模较大，服务医保、卫健、社保等政府部门，交付链路包括需求分析、方案设计、系统部署及运维支持节奏受政策周期和招标流程影响，横纵协作需跨技术、销售、合规部门，结果导向强调社会治理效能提升和客户满意度
• 成长价值：学习曲线涵盖公共管理、医疗政策及技术落地，专业沉淀在政府项目经验上，迁移空间向智慧城市或公共安全领域扩展，视野通过高层级合作拓展，晋升路径偏向项目经理或业务负责人
• 压力指数：目标强度中等，但交付压力大，需应对官僚流程和预算约束，不确定性来自政策变动和客户决策延迟，负责深度涉及端到端项目执行，节奏可能阶段性紧张，风险包括项目延期或需求变更频繁
• 推荐人群：擅长跨领域沟通、对公共服务有热情、能适应结构化流程并注重结果交付的项目经理或业务分析师。

💡 公开信息有限，团队选择需注意：大模型研发依赖长期投入，政府项目受政策波动影响大，AIaaS运营可能面临客户增长压力；面试时应具体询问团队资源分配与项目稳定性。

不同职业阶段，你应如何制定求职策略？

💡 公开信息有限，各阶段均需注意：公司业务垂直度高，应届生可能面临较长培养周期，初中级是项目主力但晋升受行业经验制约，资深岗机会稀缺且要求战略贡献能力。

如何提高投递成功率？

投递渠道

• 内推渠道：通过公司员工或行业人脉内推，优势在于简历直达HR或业务团队，适配有相关背景的求职者，成功率较高且成本低，速度较快。
• 官网投递：直接在公司官网招聘页面申请，优势为信息权威、岗位更新及时，适配所有求职者，但竞争激烈，成功率中等，成本低但反馈可能较慢。
• 招聘平台：使用猎聘、BOSS直聘等专业平台，优势为岗位覆盖广、可主动沟通，适配初中级社招人群，成功率因平台活跃度而异，成本低但需频繁维护。
• 校园招聘：针对应届毕业生，通过校园宣讲会或合作高校渠道，优势为培养体系明确、竞争相对集中，适配应届生，成功率较高但窗口期短。
• 行业社群与会议：参与医疗健康或AI技术相关的线下活动、线上论坛，优势为直接接触招聘负责人、展示专业能力，适配资深人才，成功率较高但机会随机。

时机把握

• 关注年度招聘周期：公司可能随财政年度或业务规划在年初（1-3月）和年中（7-9月）释放较多HC，此时投递机会较大，避开年末（11-12月）的编制冻结期。
• 把握项目启动阶段：医疗健康项目常受政策或招标驱动，在政府预算批复后（如季度初）或新项目立项时投递，岗位需求更明确，成功率提升。
• 避开高峰期：避免在招聘旺季（如春节后跳槽潮）集中投递，此时简历量激增易被淹没，可选择淡季（如夏季）投递以增加关注度。

城市机会分布

• 总部所在地（长沙）：岗位密度最高，涵盖研发、管理、运营等多类职位，薪酬可能具竞争力，生活成本相对较低，产业聚集利于职业网络构建。
• 一线城市（如北京、上海）：若公司有分支机构，可能布局销售、市场或高端研发岗位，薪酬较高但生活成本高，机会集中在特定业务线。

不同岗位类别的潜在机会

• AI技术研发岗位：如算法工程师、数据科学家，因公司聚焦‘砭石’大模型与核心技术，需求持续且增长快，机会较多但要求高。
• 医疗行业解决方案岗位：如业务分析师、项目经理，服务于政府与医疗机构，业务扩张带来稳定需求，适合有行业经验者。
• AIaaS运营与交付岗位：如客户成功专员、运维工程师，随服务模式推广，岗位紧缺且扩张潜力大，适配注重服务与细节的人才。
• 合规与数据安全岗位：因医疗数据敏感性，相关岗位（如隐私计算专家）需求上升，机会稳定且专业壁垒高。

特殊机会通道

• 校园实习转正：针对应届生，通过实习项目积累经验并表现优异，可能获得转正机会，成本低且成功率较高。
• 行业合作项目：参与公司与医疗机构或政府的联合项目，以外部协作身份切入，展示能力后争取内部岗位，适配有项目资源者。
• 技术竞赛或黑客松：参加公司或行业举办的AI竞赛，优胜者可获面试直通或优先录用，机会随机但展示性强。

策略建议

• 定制化简历：针对不同岗位（如研发vs解决方案）调整简历重点，突出AI技术能力、医疗行业经验或项目成果，使用关键词匹配职位描述。
• 主动沟通曝光：在招聘平台或LinkedIn上主动联系HR或业务负责人，简短介绍匹配点并附作品链接，增加可见度。
• 组合投递策略：同时投递核心岗位（如算法工程师）与关联岗位（如数据工程师），提高命中率，并优先内推渠道以缩短流程。
• 目标选择聚焦：优先投递增长快的业务线（如大模型研发）或紧缺岗位（如隐私计算），避开成熟部门可能存在的编制饱和风险。
• 跟进与反馈：投递后一周内发送礼貌跟进邮件，询问进度并重申兴趣，保持专业形象，避免频繁骚扰。

💡 投递中最易忽视结构性障碍：内推渠道成功率显著高于官网，但若无相关人脉，简历可能石沉大海；旺季投递虽岗位多但竞争激烈，反易被淹没。

求职注意事项

面试时你应问的基础问题

• 该岗位主要服务的客户类型是什么（如政府医保部门、医院、保险机构），当前重点项目有哪些？
• 团队的工作节奏如何，交付周期通常是多长，是否受政策或招标周期影响较大？
• 岗位的绩效评估标准是什么，主要考核技术突破、项目交付质量还是客户满意度？
• 团队内部协作模式是怎样的，跨部门（如研发与业务）沟通频率和决策链路如何？
• 公司为员工提供哪些成长路径（如技术晋升、管理通道），是否有明确的培训或mentor制度？
• 试用期的具体目标和评估方式是什么，如何定义成功转正的标准？
• 岗位涉及的技术栈和工具是什么，是否有机会参与‘砭石’大模型等核心项目？

要警惕的信号（面试/offer 阶段）

• 面试官对岗位职责描述模糊或频繁变更，无法清晰说明日常工作任务和预期产出。
• 团队人员流动率高，或面试中提及近期有频繁补位或重组，可能暗示管理或文化问题。
• 目标设定不透明，如绩效指标难以量化或与业务实际脱节，缺乏可验证的达成路径。
• 沟通中过度强调加班或牺牲个人时间，但未提供合理的资源支持或补偿机制。
• offer阶段薪资构成复杂，绩效占比过高且计算方式不明确，或试用期薪资大幅折扣。
• 面试流程拖沓、反馈延迟，或多次变更面试安排，可能反映内部协调效率低下。

薪资与合同谈判要点

• 确认薪酬总包构成，包括基本工资、绩效奖金、年终奖等各部分占比及发放时间。
• 明确绩效评估标准和权重，如何量化（如项目完成率、技术指标），并与面试官对齐预期。
• 询问试用期薪资是否与转正后一致，试用期评估方式、时长及转正流程。
• 确认调薪周期和机制（如年度普调、晋升调薪），历史调薪幅度是否可参考。
• 核对合同中的岗位名称、工作地点、工时制度，以及加班、差旅等补贴政策。
• 了解社保、公积金缴纳基数和比例，以及其他福利（如年假、培训预算）的具体细节。

入职前后关键动作清单

• 入职前：书面确认offer细节，包括薪资、岗位职责、汇报关系，并查询公司工商信息确保合法性。
• 入职首周：主动与直属上级对齐试用期目标，明确首季度关键任务和成功标准。
• 建立跨部门协作资源：识别关键联系人（如产品、研发、客户团队），并安排初步沟通会议。
• 设定汇报节奏：与上级约定定期（如每周）一对一会议，同步进展并获取反馈。
• 首月内：完成公司内部培训，熟悉‘砭石’大模型等核心技术文档和业务流程。
• 试用期中期：自我评估目标达成情况，主动寻求反馈并调整工作策略，确保进度可视。
• 转正前：准备转正答辩材料，总结成果与成长，并提前沟通转正后的职业发展期望。

💡 求职中最易忽视结构性风险：口头承诺的薪资或福利若无书面合同确认，可能无法兑现；试用期薪资打折或评估标准模糊，易导致转正困难。