招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
1、负责共享出行业务的产品策略规划/设计/落地工作，明确业务目标和达成路径，推进落地并完成目标； 2、负责项目推进过程中的跨部门沟通，协调各项资源满足业务增长诉求； 3、基于用户反馈和业务数据，提出产品优化迭代方向以及把握节奏。
1. 识别AI Native及企业级AI相关高潜力客户，持续跟踪建立并维护高潜力客户池，对客户所处阶段、业务模式、AI应用场景、云与算力需求、采购可能性和切入路径进行初步判断。 2. 将市场洞察转化为Leads Gen能力，将行业趋势、客户信号和竞争动态转化为销售可执行的Leads清单、客户分层、优先级排序和触达建议。 3. 评估客户需求与销售转化潜力，通过多源信息交叉验证客户潜力，判断其是否具备明确的云、算力、模型服务等需求，为销售团队提供客户转化路径建议，包括推荐切入业务线、关键联系人画像和初步对客沟通重点。 4、 跨团队协同并形成业务闭环，与销售团队协同建立客户识别、评估、跟进销售转化和迭代更新的闭环机制。 定期收集销售团队对Lead质量、客户反馈、转化结果和未转化原因的反馈，持续优化客户筛选标准和分析模型。
1. 负责阿里公有云体系各场景和形态的建站交付架构顶层方案设计，探索 AI 原生的交付架构范式；负责交付项目执行落地及风险管控，引入大模型辅助的方案评审与风险预判机制。 2. 基于平台和数据的持续建设，推动交付平台工具优化，提升云产品自动化交付能力；结合 Agent、RAG 等技术升级平台智能化水平，设计和输出交付平台的独立部署、版本管理及智能运维能力。 3. 负责阿里云新 Region/AZ 交付项目全链路管理和风险管控，利用大模型与数据挖掘完成交付过程的现象归因与瓶颈识别，为云智能业务持续扩张发展提供资源支持和智能决策支撑。 4. 结合业务和基础架构的持续演进，推进运维平台全链路的架构和系统优化、创新；参与交付侧 Agent 系统核心模块（记忆管理、推理策略、工具编排）的规划与落地，在交付过程沉淀方案、工具方法论及可复用的 AI 组件。 5. 深入建站交付业务场景，负责将大模型能力融入交付全链路：通过 Prompt 工程、RAG 知识库构建、Multi-Agent 编排与流程自动化，实现交付方案生成、风险识别、故障归因等场景的智能化；建立自动化评测与回测机制，推动 AI 能力从单点验证走向规模化落地。
1、技术方案设计 • 收集、识别、分析客户需求，并确定技术方案的目标、范围和交付成果 • 基于需求分析，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、数据架构和开发流程等 2、技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现 • 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等 • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署 • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等 3、稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠 • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能 4、技术预研 • 跟踪和了解最新的产品技术和趋势，根据业务需要提供最新的技术支持和建议。 5、技术规划 • 理解业务战略及重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。
1. 负责供采全链路 AI Agent 的架构设计与核心开发，覆盖供应商管理、寻源招投标、合同履约、成本分析、需求预测、库存优化、物流调度等业务场景； 主导大模型（LLM）Agent 的技术落地，包括 ReAct/Plan-Execute 规划、多 Agent 协作、Tool/Function Calling、Memory 机制、Workflow 编排等核心能力的设计与实现； 设计高可用、可扩展的 Agent 服务架构，支撑多轮对话、工具链调度、子 Agent 分发等复杂交互模式； 评估并引入前沿 Agent 框架与技术（多模态 Agent、Self-Reflection、MCTS 规划等），解决供采业务中的复杂决策问题。 2. Agent 应用工程与平台能力 主导 Agent 开发平台的技术设计，包括 Prompt 管理、工具注册中心、知识库接入、评测沙箱、版本灰度等核心模块； 构建面向供采业务的 Agent 能力组件库，实现智能供应商评估、智能寻源问答、合同风险审查、需求预测分析、库存优化建议、物流路径规划等场景的能力复用； 设计并实施 Agent 性能优化方案，包括 推理加速、并发调度、缓存策略、上下文窗口管理、长任务异步编排等，保障大规模并发下的响应效率； 建立 Agent 可观测性体系，覆盖 效果监控、Trace 链路追踪、A/B 测试、异常告警、根因分析等技术机制。 3. 业务支持与价值交付 深入理解供采全链路业务流程，将业务问题转化为 Agent 技术方案，推动技术驱动的业务创新与效率提升； 与业务方紧密协作，识别高价值的 Agent 应用场景，制定技术路线图和优先级，确保资源投入产出最大化； 主导跨系统的数据集成与知识库建设，构建供采领域的 结构化知识图谱 + 非结构化文档检索体系，为 Agent 提供高质量的知识与工具支撑； 对 Agent 项目的业务效果负责，通过技术手段持续优化任务完成率、工具调用准确率、用户满意度等核心指标。
1. 独立负责阿里云资产运营业务下的复杂模块或业务链路的技术方案设计与研发交付，包括影响分析、系统设计、核心编码、联调测试及上线保障。 2. 参与跨领域、跨系统链路建设，完成接口契约、数据模型、状态流转及一致性方案设计，保障业务链路稳定、数据准确且可追溯。 3. 负责所辖领域的平台增量能力建设，将不同业务场景中的共性与差异沉淀为可配置、可扩展的领域模型、业务规则及流程能力，提升新场景接入效率。 4. 负责 AI/Agent 能力的生产级落地，面向异常识别、数据核验、差异归因、现场作业辅助及流程自动化等场景，建设知识检索、工具调用、任务编排、评测回归、安全护栏及人工兜底机制，并对应用效果和运行稳定性负责。 5. 持续提升系统工程质量与研发效能，完善监控告警、故障定位、容量及性能治理，推动 AI 辅助研发、智能测试和代码审查的规范化应用。
能耗平台团队负责整个阿里云的IDC、网络和服务器等基础设施内的功耗的采集、处理分析、监控预警、应用优化，从而全面的平台化产品化支撑数据中心的稳定、高效、节能。 作为研发工程师，您将负责： 1. 基础设施的能耗监控的能力的设计与研发，构建能够支撑大规模数据量下采集的高并发、低延迟分布式处理体系。 2. PUE优化平台的架构设计与核心功能开发，数据中心能耗结构复杂，结合GPU设备的特点、制冷系统、供配电系统之间的能耗耦合关系，建设相关平台化智能化的能力，达成数据中心的PUE优化目标。 3. 超电稳定性监控平台的架构设计与核心功能开发，针对于GPU的场景，构建供电链路健康评估和预警系统。
1、参与设计和实现推理引擎SDK，提升推理性能、易用性和产品稳定性。（Design and develop inference engine。Focusing on performance、usability and product robustness） 2、参与设计和实现推理引擎的AI编译。包括图融合、各类图优化、算子优化以及自动化调优等（Design and develop AI Compiling。including fusion，graph optimizations、kernel optimization and auto-tuning） 3、参与设计和实现推理引擎的运行时系统。包括内存管理以及资源管理等等。实现高效和稳定的稳定性。（Design and develop runtime system，including memory management and resource management） 4、参与设计和实现大模型的推理优化。基于推理引擎，研发和应用大模型推理优化的技术（Design and optimize LLM inference。Based on inference engine，develop and apply core technology for LLM inference）
数据中心运营平台团队的使命是实现阿里经济体的IDC、网络和服务器等基础设施整个运营领域的全面产品化支撑，从而达到高效率，低成本，低功耗的智能运维。集成了IDC和服务器领域的各项专业技术，以及运维平台进一步的智能化支持，我们励志打造一个真正自动驾驶的数据中心。 作为研发工程师，您将负责： 1. 数据中心基础设施监控的能力的设计与研发，构建能够支撑大规模数据量下采集的高并发、低延迟分布式处理体系。 2. 深度结合前沿AI技术主导智能运维体系建设，在能耗优化、故障预测、根因分析及自动化调度等方面落地智能化应用。 3. 将数据中心物理基础设施复杂场景抽象为标准化的数字模型，推动基础设施从数字化向全面智能化转型的技术演进。
1、负责各公司每月各项税费的计算、入账和申报，以及年度审计和汇算清缴等事项；负责各类涉税数据整理和分析； 2、与各税务机关保持良好的税企关系，应对各地税务机关的风险检查、协查或稽查事项，维护公司合规楷模的形象； 3、协助企业申请、管理各种适用的税收优惠、资质； 4、协助主管进行税务自动化系统建设； 5、与时俱进，不断根据行业状况、业务需求及法规变化更新完善操作手册。
1.负责AI 数字人/数字化在供应链&IDC实际业务场景中的平台化落地； 2.参与供应链集成、履约及IDC规划等系统架构设计与核心模块开发； 3.与产品及前端团队紧密协作，将AI能力高效集成到产品中； 4.在团队内做架构思想及AI理论布道，推动供应链系统AI+数字化转变； 5.优化系统性能，保障服务稳定性，支持全球化部署与多语言。
数据中心产品经理 1. 紧跟数据中心行业趋势与AI技术演进（智算集群、液冷散热等），结合实际业务场景需求，制定具有前瞻性的产品规划与路线图。 2. 清晰定义问题，结合行业趋势、AI技术能力与业务诉求，对需求进行深度分析、拆解与整合；善于将AI能力（如AIOps智能运维、智能容量预测、能效优化等）融入产品方案，形成差异化竞争力。 3. 拉通并推动研发、架构、运维、商务等多团队高效协同，保证产品规划与需求按期交付上线，确保业务目标达成。 4. 建立数据驱动的产品运营体系，通过数据分析与AI辅助决策，结合产品落地反馈，驱动产品持续迭代，实现核心指标的有效提升。 5. 负责产品的内容运营与品牌建设，输出标准化、体系化的产品内容（白皮书、技术方案、最佳实践等），结合行业峰会与品牌活动，持续提升产品在智算与AI基础设施领域的影响力。
1、业务洞察和需求分析 运用AI Native技术（大模型、智能预测等）辅助需求洞察与经营决策，识别可被AI重构的业务流程和用户场景。 主导资源规划、供应管理和交付履约的全链路产品方案，提升供应链整体运营效率； 2、产品规划和设计 基于阿里云整体产品战略和内部业务流程，制定本业务域的产品规划与迭代演进路线图； 以AI Native理念驱动产品设计，将大模型、Agent、智能决策等AI能力深度融入供应链平台核心流程，打造人机协同的新一代供应链产品； 规划AI Agent工作流与智能体架构，设计AI辅助决策、智能调度、自动化执行等创新产品能力。 3、产品开发管理 推动AI能力的工程化落地，协同算法和研发团队完成模型接入、Prompt工程、效果评估等环节的产品化闭环。 统筹产品开发的项目管理，把控关键里程碑节点，协调多端多场景的适配与支撑，整合资源推动产品方案落地； 4、产品改进和风险管理 建立AI产品效果度量体系，持续跟踪AI功能的准确性、可靠性和用户体验，迭代优化AI能力的业务价值与ROI。 持续关注用户反馈和使用体验，合理安排需求优先级，推动产品迭代和新功能孵化，优化产品的稳定性、安全性、性能和成本； 主导产品合规与风险防控，排查治理数据安全、合规、廉正、资损等各类隐患，保障日常业务与服务质量；
1、深入了解马来西亚的电商平台行业动态，分析市场趋势、竞品动向、市场需求及消费者偏好； 2、具备消费者视角，以本地用户画像切入，对多元消费群体有深入理解，以及趋势预判和文化节点的把握，结合站内优势供给，将类目供给结合营销完成平台的各类大促及营销活动，为核心指标负责； 3、基于本地化优势供给进行选品组织，对重点行业频道进行优化迭代，提升频道活跃度、点击率、转化率和整体交易效率； 4、熟悉淘宝核心类目供给结构、头部品牌矩阵、行业爆款，建立“淘宝优势供给与本地市场需求”的映射关系。
职位描述： 1、定制市场全年营销目标，制定营销策略。 2、独立撰写营销方案，统筹线上下推广项目落地推进，保障推广目标达成。 3、把控买量广告内容规划及数据调优，为新增目标服务。 4、了解国内游戏媒体及渠道的运营方式，保障项目的推进效率和执行质量。 5、管理项目营销团队，统筹团队产出及落地情况，对结果负责。
1. 行业战略客户的建联及客情关系深化，行业战略数字化转型推动落地； 2. 挖掘战略客户的业务痛点与数字化需求，设计和升级具有竞争力的解决方案，包括Ai方案，助力客户实现数字化转型与升级； 3. 负责协同和推动内外部各种资源，帮助客户落地数字化方案，带来客户业务价值； 4. 攻坚重点行业标杆客户，进行商业突破，总结行业数字化经验与实践，打造行业数字化标杆，带动行业势能。
我们正在打造高德 AI 助手，让 AI 从回答问题走向帮助用户完成行动。依托高德亿级流量与地图时空能力，与你一起打造新一代 AI 搜索与推荐体验，让每一次出发更轻松，让生活更美好。 1. 负责高德 AI 的 iOS 核心功能研发，围绕 AI 搜索、AI 推荐等场景，打通从用户表达需求到获取结果、完成操作的交互链路。 2. 建设流式回答、动态卡片、生成式 UI 和多模态交互能力，解决内容持续更新、复杂状态切换、任务中断与恢复等技术问题。 3. 主导核心模块的架构设计，围绕 AI 场景建设可复用的组件、交互协议与渲染能力，支撑 AI Agent 对客户端能力的调用与编排。 4. 持续优化核心场景的性能与稳定性，解决卡顿、内存、功耗等问题；与产品、设计、算法和服务端共同打磨体验，推动问题解决并验证上线效果。 5. 探索 AI 工具在开发、测试和问题排查中的应用，持续提升研发效率与交付质量。
高德地图视觉技术中心（AMAP CV Lab） 高德地图日均服务数亿用户，每日处理超百亿级位置与视觉数据。视觉技术中心是高德的核心技术引擎，视觉技术中心是高德的核心技术引擎，深耕空间智能、具身智能、世界模型等AGI前沿方向。我们的核心使命：以空间智能为锚点，打造物理世界的智能体操作系统 ABot。我们不做“刷榜模型”，而是打造能在开放世界中自主决策、安全执行、持续进化的智能体系统。你的研究，将直接改变数亿人的出行方式。 GitHub 主页：https://github.com/amap-cvlab 我们的优势：独一无二的“空间智能-场景-生态”三角 ● 空间智能深度：全栈覆盖三维重建、世界模型、多模态、具身导航、LLM/VLM/VLA/AI Agent，所有技术都服务于“让AI理解并作用于物理空间”。 ● 场景广度：亿级用户真实验证，从封闭测试到开放街道，技术必须经得起现实世界的“毒打”，空间智能不能只存在于实验室。 ● 生态高度：清华大学、北京大学、港科、中科院等深度合作，主导开源标准，你不是孤军奋战，而是站在全球空间智能研究的前沿。 我们正在寻找在视觉-语言-动作（Vision-Language-Action, VLA）领域具有扎实理论基础和丰富实践经验的算法工程师或研究员，致力于构建下一代通用智能机器人系统。你将参与从数据构建、模型设计到仿真训练与实机部署的全链路研发，推动 VLA 大模型在机械臂操作、人形机器人控制等复杂工业与开放场景中的前沿探索与实际落地。 岗位职责： 1、研发下一代 ABot-M，探索 VLA/WAM、多模态生成与理解、跨本体动作表示。 2、统一世界建模、动作预测与价值判断，提升长时序、精细操作、移动操作和双臂任务能力。 3、建设机器人数据引擎，完成清洗、动作统一、混合训练、合成数据与真机数据闭环。 4、推进模仿学习、强化学习、奖励模型、失败恢复与在线后训练。 5、打通训练、评测、仿真和真机部署，把算法转化为真实产品与行业影响力。
1、统筹数据底座、业务数仓、数据科学三大模块整体规划与管理，统一全域数据标准、埋点规范与数据治理体系，搭建分层业务数仓架构，沉淀标准化、高质量数据资产； 2、输出规范合理的底层数据表、业务模型与宽表体系，为BI团队提供稳定可靠的数据底座与结构支撑，保障BI战略经营分析高效开展； 3、落地AI+数据融合能力，实现智能数据治理、指标异动归因、AI辅助开发，提升数据生产效率与质量；牵头核心指标建设、AB实验、用户建模、异动复盘； 4、依托数据量化能力拆解业务目标，支撑业务策略制定、落地落地与效果复盘闭环；负责数据团队搭建与管理，完善人才梯队，全面赋能业务高质量增长。
1. Identify high-potential AI native and enterprise AI-related customers. Continuously track, build, and maintain a high-potential customer pool, and conduct preliminary assessments of each customer’s development stage, business model, AI use cases and business scenarios, cloud and AI related requirements, and potential entry points. 2. Convert market insights into leads gen capabilities. Translate industry trends, customer signals, and competitive dynamics into sales-actionable lead lists, customer segmentation, priority rankings, and outreach recommendations. 3. Assess customer needs and sales conversion potential. Validate customer potential through multiple information sources, determine whether customers have clear needs for cloud services, computing resources, model services, and related solutions, and provide sales teams with conversion path recommendations, including suggested business entry points, key contact profiles, and initial communication angles. 4. Collaborate cross-functionally and build a closed-loop business process. Work with sales teams to establish a closed-loop mechanism covering customer identification, evaluation, sales follow-up, conversion tracking, and continuous iteration. Regularly collect sales feedback on lead quality, customer responses, conversion results, and reasons for non-conversion, and use the feedback to optimize customer screening criteria and analytical models.