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. 根据阿里云AI战略发展方向，结合人工智能技术演进与行业变革趋势，前瞻性地识别并开拓重点目标客户在大模型、智能计算等领域的业务机会； 2. 能够深入调研客户业务场景，敏锐捕捉行业中的应用痛点与创新潜力，结合阿里云产品及技术优势，促进客户需求与云产品的有效结合，提供立体、专业的咨询及服务，帮助客户成功，并沉淀行业解决方案； 3. 与客户或合作伙伴进行重点项目对接，能向客户高层解析阿里云AI优势，向业务高管呈现具有说服力的AI投资回报率（ROI）分析，加速商机转化； 4. 善于整合技术、生态与商业资源，攻克AI落地中的关键挑战，与客户技术决策层及生态合作伙伴建立深度信任关系，沉淀可复用的行业解决方案与最佳实践，为阿里云AI战略的长期发展储备关键客户与技术资产。
1. 主导AI智能辅助方向的客服产品规划与建设，AI在客服工作流的深度赋能（SOP、托管、AI助手），主导建设AI为核心的下一代智能工作台，向自助决策、人机协同的智能体推进 2. 打造面向电商场景的AI助手，覆盖如商品运营、素材生成、智能分析、商家机器人等核心工作流，在电商运营中的落地应用 3. 基于Prompt工程、RAG、智能Agent、skills等技术的AI产品解决方案，通过构建自动化任务流与智能决策系统，实现人效显著提升 4. 建设数据分析与产品分析体系，设计A/B实验体系，量化评估AI功能效果
1、负责阿里云华中泛企业客户对接，进行云计算推广和普及，快速开拓，挖掘潜在需求，形成商业机会； 2、作为客户第一责任人，满足客户的业务和技术需求；保障客户满意度，提高客户粘性； 3、有能力挖掘并深度发展行业ISV，在与友商的竞争中能体现出阿里云的差异化优势，增大客户选择阿里云的机会。同时增强阿里云产品的溢价能力； 4、公共云售卖经验、To B售前经验、PaaS层产品售卖经验、解决方案经验、大客户拓展经验
1、负责千问办公数据体系的建设，通过数据+工程化，赋能业务，提供全链路、可分析的业务服务能力；配置化、可复用的数据技术能力；更直观、更具指导性的产品化能力 2、大模型多模态AIData数据工程体系建设，探索实践面向各领域的高质量数据自动化清洗、标注、合成增强技术，设计并构建高效可扩展的数据飞轮（Data-Flywheel）闭环系统，为智能体和模型后训练提供高质量训练集和评测集 3、构建湖仓一体数据底座、智能问数Data Agent等核心能力，提升Data + AI 方面的技术竞争力
1、支持阿里云互联网业务团队，服务阿里云互联网行业客户，从售前解决方案层面保障相应的业务销售指标、市场占有率指标完成 2、作为行业专家，在一个以上垂直细分领域（游戏、互动娱乐、媒体资讯、在线教育、数字营销、人工智能等）具备实际工作经验和深入思考，能够把握行业的市场和技术发展趋势，推动行业产品、解决方案和合作生态的落地 3、作为行业专家，与阿里云各个区域公司互联网团队进行协同，提供行业解决方案支持 4、作为行业专家，组织内外部行业沙龙，进行解决方案分享 5、中国境内能够短期出差服务客户
团队介绍 我们是平头哥AI 芯片软件互联团队，主要职责是积极拥抱社区生态、并基于平头哥AI 芯片产品来打造我们自己的互联通信库。 越来越好的大模型对算力需求日益高涨，而大模型训练与推理的高效部署都依赖越来越多的芯片通过互联在一起，高效协同以发挥出线性增长的计算效率。我们会与架构/硬件/Model 同学紧密合作以共同打造越来越符合业界需求的芯片，同时也会协同服务器/网络等伙伴共同打造基于平头哥芯片的高性能集群 solution，还会深入到各种应用场景去洞察并满足用户对多卡训练、推理在性能、鲁棒性、故障定位等各方面的需求，协同各方共同打造最高效、易用的平头哥多卡产品软件解决方案。 职位描述 1. 为芯片设计开发高性能、有竞争力的互联通信库； 2. 基于芯片、服务器、网络集群架构特性与互联通信应用模式进行极致性能优化； 3. 增强在大规模机器任务下发生 hang 或 crash 时的专家分析与诊断、定位能力； 4. 支持多卡或多机互联场景下各种用户问题分析与定位； 5. 和其他团队紧密合作，影响芯片、服务器与集群架构等方案设计和演进。
面向淘宝直播场景，利用前沿大模型技术构建“高智商、高情商”的数字人直播体系及智能助理。不限于： 1. 参与直播场景下超大规模用户评论的实时意图识别，解决口语化、垂直领域语义模糊等难题；构建基于Agent架构的对话管理系统，实现灵活的控场、互动与转场决策。 2. 参与研发高性能的直播垂直领域RAG系统，结合向量检索、知识图谱及在线实时外网检索，确保数字人回答内容的专业性、时效性及准确性（解决幻觉问题）。 3. 参与设计并实现面向直播侧的Agent框架，支持大模型自主调度营销工具、素材展示等能力，提升互动性。 4. 参与优化多轮对话能力，通过垂域SFT、DPO/RLHF等手段，训练大模型掌握数字人主播的个性化人设、带货节奏及高转化话术逻辑。
1. 作为平头哥数据中心芯片的操作系统技术专家，负责OS相关业务需求分析、功能移植、特性开发、问题解决等工作，参与和支撑软硬件一体的端到端业务方案设计 2. 与内外部团队合作构建基于平头哥芯片的软硬件系统生态 3. 追踪开源社区在OS相关技术领域的演进趋势，参与设计和实现创新的软硬件系统架构
1. 主导AI智能辅助方向的产品规划与建设，AI在电商工作流的深度赋能，主导建设AI为核心的下一代智能工作台，向自助决策、人机协同的智能体推进 2. 打造面向电商场景的AI助手，覆盖如商品运营、素材生成、智能分析、商家机器人等核心工作流，在电商运营中的落地应用 3. 基于Prompt工程、RAG、智能Agent、skills等技术的AI产品解决方案，通过构建自动化任务流与智能决策系统，实现人效显著提升 4. 建设数据分析与产品分析体系，设计A/B实验体系，量化评估AI功能效果
1. 参与构建面向家装与家居消费场景的生成式AI智能设计系统，结合大模型、多模态理解与空间推理能力，为用户生成合理、美观且可落地的全屋设计方案 2. 围绕户型解析、家具布局生成、商品搭配生成等核心问题，设计并实现空间布局与搭配生成算法，提升设计方案的合理性与美学一致性 3. 构建空间关系建模与约束推理能力，结合场景理解与用户需求，实现可控的空间布局生成与商品组合推荐 4. 设计与实现面向设计与导购场景的Agent决策与执行架构，实现从用户需求理解、方案生成到交互式调整的完整智能设计流程 5. 基于大语言模型与多模态模型开展算法研究与工程落地，探索生成式建模在空间设计、商品理解与用户意图解析中的应用 6. 研究并实践SFT、RLHF、DPO等大模型后训练方法，持续提升模型在布局合理性、空间约束满足、搭配一致性与用户偏好对齐方面的能力 7. 设计并开展系统性的实验与算法评估，持续优化模型效果与系统性能，并推动相关算法在真实业务场景中的落地
1. 负责企业知识库、智能检索、RAG 相关算法能力建设，提升大模型在企业内部知识问答、信息查找、研发辅助等场景中的效果。 2. 参与企业内部文档、代码、业务资料、流程知识等多源数据的理解、处理与检索能力建设，提升知识获取效率。 3. 优化检索链路，包括查询理解、语义召回、关键词召回、排序优化、结果重排、上下文组织等核心能力。 4. 结合大模型能力，提升知识问答结果的准确性、相关性、可追溯性和稳定性，减少无依据回答和幻觉问题。 5. 参与企业知识的结构化处理，包括知识分类、标签体系、实体识别、关系建模、知识质量评估等工作。 6. 建立检索与问答效果评估体系，通过数据分析、bad case 分析、离线评测和线上反馈持续优化系统表现。 7. 与产品、工程和业务团队协作，将算法能力落地到企业知识库、智能助手、研发 Copilot、AI Agent 等实际场景中。
1. 负责网络安全方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检；与算法、产品团队协作，基于大模型 RM 训练与 Rollout 打分的数据诉求，交付满足研发需求的高质量数据。 2. 面向 CTF 解题、漏洞挖掘、渗透测试等靶场环境设计数据标注与质检流程，将 writeup 转化成可训练轨迹。将解题过程拆分重要里程碑阶段，避免出现解题捷径，并判读结果是否正确，最终对产出的结果数据进行质量把关。 3. 统筹本方向评测方案与数据生产方案，为 rubric 评分准则、verifier 校验、轨迹打分制定可操作标准。定期开展双向抽检，迭代数据标注规范。 4. 构建并维护数据质量管理体系，对题目难度分层与轨迹根因归因负责，警惕题目可绕过、分数虚高等隐性风险。 5. 管理标注专家团队，统筹任务分配与产能；与算法、产品、领域专家协作，把个人判断力沉淀为团队方法论。
1、负责北京公共云客户（SAAS服务商、AI）客户拓展工作；包括商机获取，客户关系维护，商务报价，合同签约等；同时进行标杆打造，行业突破以及场景创新等； 2、梳理客户业务规划及云计算需求预算，挖掘新的商业机会并为客户提供有价值的方案并促成合作，为阿里云在客户的目标结果负责； 3、成为行业专家，理解客户的业务，有商业敏锐度，通过新技术为客户业务带来价值提升，互利共赢； 4、和核心客户不同层级人员建立友好互信、长期的合作关系。
1. 端到端销售闭环：负责阿里云大模型及 MaaS 在泛互联网领域的拓客、方案、商务报价、签约与复购全流程，管理 pipeline，对销售增长与业务健康度负责。 2. AI 落地标杆打造：围绕通义系列模型、百炼平台、Qoder（AI Coding）在客户侧沉淀可复制的行业场景，推动从 POC 到规模化。 3. 客户高层对话与商机引导：深入客户C-level与业务一号位，围绕AI提效业务从客户业务痛点反向挖掘大模型与AI Coding落地场景，引导并孵化新商机。 4. 对内高效调动模型团队、解决方案架构师、PD 等资源推动项目落地。
1、负责销售区域内下游客户（包括但不限于B2C&O2O）的合作洽谈、签订合同、应收回款等； 2、挖掘客户产品需求，与采购进行联动形成销售； 3、负责与上游品牌进行渠道分销的业务开发，关系维护和良好沟通； 4、具有自我区域客户开发规划及把控能力，把控客户资金风险，完成优质客户筛选合作并达成销售指标。
1. 深入阿里云基础设施和运维与运营场景，识别适合由 LLM 和 Agent 解决的问题，完成问题定义、数据分析、技术建模、方案设计及规模化落地，并对实际业务效果负责。 2. 设计和研发生产级 Agent 系统，包括任务规划与分解、工具调用、状态管理、上下文工程、长期与短期记忆、反思与纠错、人机协同、多 Agent 协作，以及长周期任务的中断恢复与持续执行。 3. 研发大模型应用核心能力，围绕提示工程、RAG、模型路由、结构化生成、微调和推理优化进行技术选型；能够根据场景判断何时使用工作流、Agent、检索增强或模型训练，而不是简单堆叠技术组件。 4.建立 Agent 评测与持续优化体系，构建覆盖任务成功率、答案正确性、工具调用准确率、端到端时延、成本、鲁棒性和安全性的评测集与指标，结合线上反馈和失败案例推动策略、模型及系统迭代。 5. 跟踪 LLM、Agent、推理优化及智能运维方向的最新进展，结合真实业务约束完成技术判断、原型验证和工程转化。
芯片系统架构师站在系统全局和端到端性能/功能视角，定义和优化跨越芯片微架构、系统软件、编程模型的完整解决方案。确保芯片在最终应用场景提供最优的性能、能效和开发体验。 工作职责包括（可以覆盖一个或多个领域）： （1）基于对于垂直领域（服务器、AI、机器人等）软硬件技术堆栈的理解，定义芯片核心架构方案，包括但不限于芯片内存子系统、一致性总线、片间高速互联、虚拟化、芯片流控、网络加速、异构计算等方面。 （2）参与或领导 RISC-V 指令集架构扩展的定义，确保新指令不仅硬件实现高效，更能被编译器、开发工具和开发者有效使用。 （3）与编译器架构师紧密合作，结合编译器优化策略（如自动向量化、二进制翻译等），将高层语言和软件特性高效映射至目标微架构。 （4）深入分析关键工作负载（如 LLM 推理、服务器存储、搜推广、公有云、私有云、大数据等），理解真实 Workload 的软件和系统行为，识别关键性能瓶颈和硬件优化机会，并将其转化为可落地的架构/微架构 Proposal，推动方案在芯片设计中实现。 （5）能够建立或使用 CPU/SoC 性能模型，对架构和微架构方案进行建模、仿真和 What-If Analysis；能够分析模型输出数据，定位性能瓶颈，比较不同架构方案，并基于模型结果预测新架构方案的性能收益，为架构决策提供量化依据。
岗位定位： 将大模型能力转化为可上线、可运营、成本可控的产品化能力。你将主导从问题定义到生产交付的全链路工作——做技术选型、搭应用架构、建数据闭环、构建评测体系，最终交付可持续迭代的 AI 产品。 核心职责： - 与业务、产品共创需求，将业务诉求拆解为可落地的技术方案，明确目标、边界与验收标准。 - 对所负责模块的线上质量、稳定性与成本负责，建立监控、告警与兜底机制，驱动持续迭代。 - 在 Prompt Engineering / RAG / Agent / 微调等方案间做技术选型，设计端到端应用架构（含上下文管理、工具调用、记忆机制、安全策略），完成生产级交付。 - 搭建 Agent 系统的工程化落地，包括多 Agent 协作与编排、Tool-Use（MCP 等协议）集成、Memory 管理，推动从原型到线上的完整闭环。 - 构建数据飞轮：设计采集、清洗、标注的工程化流水线，打通"上线 → 反馈 → 数据 → 迭代"循环。 - 面向业务目标设计评测指标，搭建自动化评测框架（LLM-as-Judge / Auto-rater），执行线上 A/B 实验，监控效果漂移并及时干预。
1、负责行业品类营销的规划和运营落地，洞察品类趋势、用户消费偏好、商家品类布局，制定品类年度/季度/月度营销规划、品类增长策略，助力品类生意增长； 2、操盘品类营销活动，负责活动方案策划、玩法设计、资源位统筹、节奏把控，联动平台内商家完成活动招商、货品筛选、活动落地执行，对活动结果负责； 3、通过数据分析和市场洞察，持续挖掘用户痛点和市场机会点、不断创新和迭代； 4、结合行业趋势与用户需求，制定平台及商家的营销策略，并协同各部门资源推动执行落地； 5、根据活动落地的效果复盘，不断迭代、沉淀有效活动玩法。
1、基于消费者洞察和消费决策树，寻找鲜花的品类机会、输出品类策略，并进行品类管理； 2、供应商资源开发及管理：收集和分析供应商信息及采购市场趋势，落实供应商开发和供应商过程控制管理工作并制定有效的采购策略，建立稳定的供货渠道； 3、价格毛利管理：结合各类信息输入完成商品定价，不断优化毛利结构; 4、与线上运营、线下营运一起发起、参与、推动、落实生意计划； 5、采购流程的搭建与优化，监督其有效运作：组织制定和完善采购管理、库房管理、出入库管理各项管理制度，降低采购成本与采购周期；对业绩结果负责。