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.需求分析与场景识别：与教育行业客户（高等院校、职业教育机构、教育科技企业等）紧密合作，深入理解教育科研领域AI诉求，能够挖掘客户与当前人工智能技术发展水平相匹配、具备应用落地条件、投入回报效益明显的典型场景，如智能教学辅助、AI科研助手、智慧校园管理、智能化考试与评测、个性化学习推荐、教育大数据分析等。 2. AI规划与解决方案：理解不同AI技术（如NLP、CV、多模态大模型、知识图谱等）在教育科研场景中的适用范围和能力边界。以云计算+大模型为基础，设计教育机构AI解决方案（并识别阿里云的商机：算力集群、大模型调用、大模型平台、知识中心、智能体平台等）。 3. 产品需求反馈与优化：依据教育科研市场/客户需求及技术发展动态，结合教育行业政策导向（如教育部教育数字化战略行动、人工智能助推教师队伍建设等），向产研（或者伙伴）反馈大模型在教育场景中的应用优化建议及Agent工具迭代需求，推动教育垂直领域技术创新和解决方案升级 4. 方案沉淀与扩展复制：通过标杆客户案例的落地完成从0到1的验证；并对内部团队及客户进行知识分享和项目复盘，促进从1到N的规模化复制与推广。
1、负责88VIP拉新，熟悉淘系流量渠道，负责新客触达、权益引导、开通转化等环节的运营方案设计；梳理拉新漏斗，定位流失节点并推动优化，提升开通转化率 2、负责88VIP留存，基于会员生命周期做精细化分层运营，针对不同人群设计差异化触达；负责会员续费提醒、权益核销引导、沉默会员激活与流失召回，提升续费率 3、围绕拉新、续费目标，持续洞察新的增长点，独立产出方案并推进落地，通过 AB 测试与数据复盘驱动迭代 4、与产品、权益、数据、品牌等团队协作，推动运营项目落地。
1.负责游戏在线服务的架构设计、开发和维护； 2.高效地完成登录、好友、战队等系统的开发、测试和运维发布的工作； 3.分析服务器性能瓶颈，针对性能瓶颈进行有效优化； 4.建立完善的监控和分析系统，保证业务高质量运行，并及时响应各种突发事件。
As a Technical Account Manager (TAM) at Alibaba Cloud, you will be the trusted technical advisor and advocate for our enterprise customers, ensuring they maximize the value of Alibaba Cloud services and Generative AI solutions. You will bridge the gap between business objectives and technical execution, and contribute significantly to ensure customer success. Key Responsibilities: • Serve as the primary technical point of contact for enterprise customers, understanding their business goals, technical challenges, and cloud adoption roadmap. • Develop tailored cloud strategies, architectures, and best practices to align with customer needs, ensuring optimal performance, cost efficiency, and security. • Partner with sales, engineering, product, and support teams to deliver seamless end-to-end customer experiences and resolve complex technical issues. • Conduct regular technical reviews, risk assessments, and health checks to anticipate challenges, recommend enhancements, and drive continuous improvement. • Troubleshoot critical technical issues, escalate to internal teams when needed, and ensure timely resolution while maintaining customer trust. • Stay ahead of Alibaba Cloud’s evolving product portfolio (compute, storage, networking, security, databases, AI/ML) and educate customers on new features and use cases. • Gather and relay customer insights to internal stakeholders to influence product roadmaps and service improvements. • Ensure customer solutions adhere to industry standards, regulatory requirements, and Alibaba Cloud’s security best practices.
【核心定位】 我们在寻找一位以用户运营为专业底盘、同时具备 AI 落地手感的复合型人才。你需要能独立定义人群、设计策略机制、验证效果并对结果负责；同时能把自己的运营判断拆成机器可执行的逻辑，借助 Agent 让原本依赖人力经验的运营动作规模化跑起来。我们不需要你成为算法或工程专家，但需要你成为「最懂怎么把业务问题交给 Agent 的运营人」。 【岗位描述】 - 端到端负责用户经营环节：负责用户全生命周期中一个或多个关键环节，独立完成人群识别与分层、策略假设定义、机制设计、落地推进与效果复盘，对所负责环节的核心指标结果负责。 - 分层化的策略设计能力：面向不同价值层级与行为特征的用户，设计差异化的经营策略与干预节奏，持续提升用户活跃度、消费深度与长期留存，而不停留在活动排期与资源分发的执行层。 - 全链路视角与跨团队推动：从全链路视角审视用户经营路径，识别真正的瓶颈环节，联合产品、算法、工程与区域业务团队推动跨模块落地，主导需求定义与上线节奏。 - 把运营动作 Agent 化：识别手上重复度高、判断标准可被清晰描述的运营动作，动手搭建 Agent 或工作流将其自动化，把个人经验转化为团队可共享的运营资产。 - 业务与技术之间的翻译：承担业务与技术之间的翻译角色：把用户分层逻辑、策略规则与决策标准，转化为 Agent 的任务拆解与编排、数据与工具接入方式、知识库与提示词设计，以及上线后的效果校验机制，并对最终业务效果负责。 - 经验沉淀与规模化复制：把跑通的策略与 Agent 配置沉淀为可跨市场、跨团队复用的方法论与 SOP，让同一套方法能被复制。
小米是具备自研芯片、自研大模型（MiMo）、自建算力集群的全栈客户，本岗位作为小米项目组的全栈BTE，负责小米集团1-2条核心业务线的AI与云业务拓展及业绩达成。 客户关系管理 业务线深耕与机会识别：主动掌握消费电子、智能终端、智能汽车、IoT等领域的关键行业knowhow，保持对AI趋势的深度及时理解，在所负责业务线内识别市场机会、挖掘客户产品与技术需求，形成有效商机；并前瞻判断客户下一代技术架构演进带来的增量入口。 客户业务理解及需求挖掘：深入理解小米的商业模式与AI战略全貌（端云协同、MiMo自研路线、人车家全生态），完成所负责业务线的组织架构梳理与决策链摸排，串联客户OKR与年度技术规划，找到双方战略层面的合作机会点。 建立组织客情：在所负责业务线的关键决策点（业务负责人、技术委成员、技术Leader、算法与工程团队）建立并维护多点客情，协调我司管理层与客户对等层级建立连接；作为"铁三角"的导演，牵引SA、产研、交付与生态伙伴形成合力。 竞争格局管理：清晰掌握客户与竞对在所负责业务线的合作现状、用量与合约节奏，制定份额争夺与防守策略，并及时同步客户线形成整体应对。 产品和技术价值传递 理解阿里云产品及解决方案：深入理解飞天云计算操作系统、七大件、全栈AI（从算力到模型到应用）的技术价值，掌握Qwen全尺寸模型族、百炼平台、灵骏智算、PTU/MU算力单元、Batch批处理等产品的能力边界与成本结构，清楚竞对的差异化优势，能独立制定解决方案。 面向强自研客户的差异化价值传递：能向客户讲透阿里云在训练脉冲弹性、推理潮汐削峰、跨集群断点续训、推理性能优化（PD分离、KV-cache复用）、多模态与视频生成、出海节点与合规等方面的独特价值，讲清"自建之外为什么还需要我们"，形成差异化的心智占位。 分层布道能力：能进行云和AI的全栈布道，面向客户不同群体（一线算法与工程师、技术Leader、分管业务负责人/CXO）用各自听得懂的语言讲透技术与业务价值，差异化影响客户心智。 打法沉淀与复制：将在小米沉淀的终端侧AI合作打法（端云协同、Agent场景卡位、算力长约设计等）提炼为可复制的方案与案例，向团队及其他终端/消电客户输出，形成行业标杆实践。 制定商务策略及商机转化 促进客户决策及商机转化：摸清并影响所负责业务线的决策链路，制定应对商务方案，运用销售策略转化商机，达成MaaS与算力业绩目标，实现与客户的双赢。 设计并推动商业模式升级：根据客户用量特征（稳态/脉冲/峰谷比/长约意愿）设计更优的商业形态，推动合作从分散调用走向锁定型长约，把握谈判节奏与折扣底线。 独立与牵引式谈判：能独立完成重要项目谈判，并指导、协助团队成员完成谈判，牵引合作商谈，从决策链层面影响谈判结果。 客户运营和管理：作为所负责业务线的第一责任人，从商机获取、技术对齐、POC设计、商务谈判、交付上量到问题闭环全程负责，协同内部产研、财税法等支撑部门，整合内外部资源，识别并管理风险点，做好精细化运营与项目落地。 促进用量增长而非仅签约：需持续推动场景扩展与调用量增长、防止用量流失，把单点合作沉淀为可持续消费；同时对存量业务的经营质量与毛利结构负责。 持续做好客户服务 客户全生命周期的业务支持：持续做好客户服务，及时响应线上问题与故障，关键时刻能独立完成排查与客户安抚，长期陪伴客户业务成长，提高客户满意度。 推动产品反向优化：提炼客户服务中的深层次问题，将推理性能、成本可观测性、模型能力、稳定性等方面的真实反馈反向推动内部解决，牵引产品方案与流程体系改进。 资源整合与长期主义：通过阿里集团内部与生态伙伴资源的整合，帮助客户实现自身业务目标，在部分专业领域做到比客户更懂客户，对客户的业务决策形成实质影响力。
1. 负责多渠道供应商（美国和加拿大末端派送承运商、清关报关行以及干线卡车服务提供商）的开拓与谈判，建立丰富且具有竞争力的供应商资源池。 2. 协助部门负责人建立供应商全生命周期管理体系。 3. 负责供应商的日常运营与维护，支持业务的持续稳定运行。 4. 建立多维度的供应商分级与评估体系，优化供应商管理资源，培育战略合作伙伴。
职位描述 1.从 0 到 1 生产合成 RL Instance：围绕种子任务构建完整 Instance（任务描述、运行环境、输入资产、评测钩子），通过参数化模板实现批量合成与自动校验，保证 Instance 的正确性、完整性与可复现性，作为 rollout 数据生产的起点。 2.搭建 Agent 与 rollout 产线：基于主流 harness/agent 框架搭建 Agent 运行环境，端到端跑通轨迹采样、自动校验、质量过滤的生产 Pipeline，对 rollout 结果做预校验与失败模式分析，保障进入训练的数据可信、可追溯。 3.建设 Verifier 与 Rubric：将模糊的质量目标拆解为可量化的 Verifier 和多维度打分 Rubric，与领域专家、标注团队以人机协作方式完成标注与校准，持续迭代以应对 Reward Hacking，确保评估信号与训练目标对齐。 4.对接算法侧形成闭环：与算法/训练团队紧密配合，将模型效果反馈转化为数据策略调整（任务难度、Reward 信号、标注规范等），驱动“数据 → 训练 → 评测”持续迭代。
1、产品架构与解决方案设计： 深入调研餐饮商家业务全链路，完成业务建模和领域分析，输出分层产品架构设计方案和可落地的解决方案；沉淀可复用的业务组件和场景模板，推动解决方案标准化。 2、AI产品化落地： 将AI技术能力与餐饮经营场景结合，设计AI驱动的产品功能（会员运营、门店经营、企业规划等），负责AI产品从方案设计到规模化推广的全生命周期管理。 3、商家数字化能力建设： 制定商家数字化成熟度评估模型，分层设计能力提升路径；搭建商家运营机制，包括核心商家共创、需求反馈闭环和标杆案例打造。 4、资源协调与项目管理： 协调产品、技术、算法、设计、业务等多方资源，主导重点项目全流程管理，建立标准化协作流程，确保交付质量和效率。 5、行业洞察与产品规划： 跟踪餐饮行业趋势、竞品动态和AI技术应用前沿，输出行业洞察报告，参与制定产品中长期规划路线图。
1.负责文生图、图生图、图生视频等相关场景的算法研发工作； 2.跟踪前沿技术发展，提出技术创新方案，推动落地，并推动行业创新。 3.研究并实践基于大数据、人工智能、计算机视觉、机器学习等领域的新技术在图片生产、编辑、审核、分发、推荐等各个环节的应用； 4.深入理解业务和算法原理，结合业务特点进行业务洞察和分析，探索视频生成算法应用价值，与产品共建视频生成的全链路。
1. 根据角色概念设计师提供的设计方案，进行设计和制作角色、怪物的三维模型资源； 2. 根据动画师提供的技术要求对角色的三维模型进行合理布线，以确保模型适合动作设计； 3. 设计与制作游戏内道具/武器等非场景类的三维模型资源； 4. 和其他三维模型组成员进行协作，完成游戏所需的角色、怪物等模型的制作和输出； 5. 与开发人员对接，制定角色三维模型的素材和引擎配合的技术标准。
1. 为客户导入和开发玄铁RISC-V IP和技术设计赢取胜利机会； 2. 负责RISC-V CPU IP产品的技术宣讲，对玄铁产品、服务和友商保持高标准的技术知识； 3. 积极拓展客户，保持对领域的动向和客情变化的敏感度； 4. 与Sales团队合作，提供技术知识和支撑，与潜在客户建立和维护良好的客户关系，介绍和推动玄铁RISC-V IP的design in； 5. 与技术工程团队合作，确保客户需求和产品的匹配度，确保客户项目的顺利落地。
1. 负责基于公司服务器CPU芯片的存储垂直软件技术栈的性能优化、稳定性提升及功能迭代，主导核心技术难题的攻关；深入理解CPU芯片架构特性（如缓存、指令集、IO虚拟化、QoS等），结合存储软件运行机制，制定针对性的优化方案并落地实施 2. 与硬件设计团队紧密协作，参与芯片架构定义、功能验证阶段的软件需求输入，确保芯片设计充分适配存储软件场景；搭建存储软件优化的测试验证平台，制定测试方案、性能基准及评估体系，保障优化效果的有效性和稳定性 3. 跟踪存储领域前沿技术及行业发展趋势，将先进技术融入公司软件优化方案，推动技术创新 4. 负责存储相关软硬件栈（如设备驱动、文件系统、分布式存储系统、NVMe等）基于自研CPU芯片的适配和优化，提升存储IO吞吐量、降低延迟 5. 深入研究存储硬件加速技术（如CPU卸载引擎、存储级内存SCM适配等），推动软件与硬件加速能力的深度融合 6. 针对分布式存储、企业级存储等核心场景，优化存储软件在自研CPU上的资源占用（CPU、内存），提升系统并发处理能力 7. 解决存储软件在实际部署场景中与自研CPU芯片相关的兼容性、性能瓶颈问题
● 基于GPU Profile完成模型算子覆盖率分析，识别必选高性能算子开发路径并评估性能影响。 ● 基于性能仿真建模工具完成性能建模并检查review，输出整网及分层模块性能预期报告，明确关键模块与算子形状、数据类型及切分策略。 ● 结合Profile与建模结果，输出算子开发需求清单（含算子列表、shape、dtype、切分策略）及接口需求说明文档，明确算子/框架团队优先验证规格。 ● 维护并扩展补充新增AI芯片算子单OP精度与性能参考代码，沉淀AI Harness SKILL/Agent资产。 ● 建立主要模型推理规格的GPU竞品性能数据清单，形成可量化对标基准。 ● 跑通模型Fake Tensor推理（带切分方案）与Real Tensor推理全流程，验证并行切分策略正确性。 ● 对比实测性能与建模预期，量化Gap来源（算子效率/切分策略/调度开销/显存带宽等），驱动算子、框架、编译器团队形成优化闭环，持续逼近建模性能极限。 ● 制定端到端精度验证策略，输出验证方案与QA转测说明，完成AI芯片daily QA转测交付。 ● 输出模型整体并行方案与子模块/算子级切分细化方案，形成建模性能预期数据报告。
1、负责 RISC-V 架构 JVM 后端开发、移植与性能调优，参与 OpenJDK 核心组件优化（C2 编译器、GC、运行时等）； 2、与硬件研发团队紧密协同，联合硬件团队进行微架构级别性能分析，参与硬件特性早期评审，提供软件侧需求与反馈，协同验证新硬件平台上的 JVM 正确性与性能； 3、推动 OpenJDK 在数据中心大规模部署与调优，针对微服务、云原生、大数据等典型场景进行 JVM 专项优化，与业务团队协同，识别并解决生产环境中的 JVM 性能瓶颈； 4、向 OpenJDK 上游社区提交 patch，参与 code review，推动代码合入主线，跟踪上游社区技术动态； 5、参与 RVI（RISC-V International）基金会技术工作组，参与 RISC-V 规范讨论与制定，代表公司推动 JVM 相关扩展指令集提案；
从事芯片框架相关的工作，主要包含： 1. 负责主流开源框架支持，如pytorch、tensorflow； 2. 负责主流开源大模型推理引擎支持，如vllm； 3. 负责大模型推理性能优化； 4. 负责大模型大规模集群训练优化；
- 主导性能建模平台的架构设计和关键模块构建，开发系统、模型和算子仿真框架，为芯片系统设计提供量化依据 - 构建AI负载特征分析套件，从主流 AI 模型中提取计算、访存、并行和互联等方面特征，并开发相应Benchmark - 定义功耗评估方法论和框架，寻找性能和功耗甜点，设计系统调频、调压及任务调度方案 - 建立芯片可编程性的科学评估体系，协调软件和硬件团队的架构探索方向
1. 对当前流行的生成式AI模型，如GPT-3，LLaMA，Qwen，stable diffusion等模型进行应用分析，评估模型在不同硬件架构（CPU/GPU/NPU）上的性能瓶颈，分析内存占用等； 2. 针对应用分析结果设计关键硬件模块的架构，包括数据通路，控制逻辑，计算/访存接口等； 3. 构建高精度的硬件架构的仿真器和性能、面积、功耗模型； 4. 依据仿真器和模型的结果做架构探索，为硬件架构设计提供理论依据。
1、负责数据中心SoC的内存子系统的软件解决方案分析和设计，参与相关的客户需求评估、软硬件架构设计等工作 2、参与DDR相关的固件和应用工具开发工作 3、与芯片研发团队协作，通过仿真、原型等方法验证内存子系统的功能及性能完整性 4、参与各类DDR子系统相关的底层软硬件问题解决，通过RAS能力增强、端到端容错方案设计等方法，保障芯片线上运行稳定性
1. 负责基于RISC-V架构的数据中心级芯片的Linux内核移植、特性开发及底层驱动适配，确保OS在新型硬件上的稳定运行与高性能表现。 2. 深度参与芯片定义阶段的软硬件协同设计，从操作系统视角提出架构建议，解决端到端业务场景中的系统级难题。 3. 主导或参与RISC-V服务器生态建设，与上游开源社区（如Linux Kernel, QEMU, U-Boot等）保持紧密互动，推动关键补丁合入，提升芯片在社区的支持度。 4. 建立系统级的性能分析与调优体系，利用Top-down等方法论定位瓶颈，针对内存管理、进程调度、IO栈等核心模块进行深度优化。 5. 解决复杂的生产环境问题，构建自动化测试与诊断工具链，支撑客户及内部团队的技术需求。