共 834 个在招岗位 · 阿里巴巴在上海的最新招聘信息
职位描述 1. 负责阿里云&战略伙伴联合产品（Salesforce、SAP、PingCAP等SaaS/PaaS厂商）、联合解决方案的售前工作，支持产品团队拿到业务结果； 2. 市场洞察和竞对分析 • 洞察和产品相关的市场机会、市场容量和竞争格局。 • 分析竞对产品核心指标、市场策略和市场价格。 • 快速捕捉市场热点和客户业务痛点，挖掘联合产品销售商机，快速推动商机落地，形成领先竞争力。 3. 产品商机判断和深度技术交流 • 作为产品线代表，参与商业策略设计和商机判断。 • 对复杂项目需求，协同销售团队与客户进行深度技术交流，结合对行业发展方向和技术变革方向的洞察，就具体技术场景引导客户关键决策人决策，促进商机转化。 4. 产品方案设计和技术支持 • 对复杂项目，理解客户的业务和功能性/非功能型需求、性能及可用性需求，基于客户场景，提供有技术竞争力和可行性、成本优势的产品组合方案，并在产品选型/POC/报价配置时， 提供技术支持。 • 提炼基于客户业务场景的关键技术指标，形成领先控标项，在POC、winback等业务活动中落地验证。 •复杂项目推进方案跨团队协同优化，成本，性能，稳定性等多维度提升解决方案的竞争力。 • 探索创新产品的方案和场景，推动新产品快速市场覆盖，保障产品创新活力。 • 对大客户提供售后的关键技术答疑，用技术推动业务发展。 5. 联合解决方案的探索 & 优化 •通过对客户、场景的深入了解，参与战略伙伴产品 & 阿里云产品联合解决方案的设计、优化；以及战略伙伴产品，中国本地化能力的设计和优化； •识别并精准提炼客户的共性需求和痛点，反哺产品设计，推动产品改进和多产品融合、新产品和功能孵化。 6. 最佳实践沉淀和赋能 •沉淀面向细分场景的最佳实践，通过项目实践总结标杆成功案例，提炼共性模块、统一标准化能力，加速产品方案规模化复制。 •提炼联合产品、联合解决方案的优势功能，并针对性的设计竞标测试用例，放大产品和技术的影响力； •参与联合产品GTM材料编写、与SI伙伴共创联合解决方案、对销售团队和SI伙伴赋能。
财务BP岗位，帮助城市业务分析投入产出，支持业务决策，主要包括下面几个方面： 1. 城市业务管理：从多维度分析城市经营结果及机会点，助力城市经营决策，包括但不限于目标管理、城市诊断及机会点洞察提出财务建议、策略可行性评估及执行追踪，沉淀有效的财务管理方法论和分析模型，并与总部团队对接落实到可视化产品； 2. 流程制定：识别城市痛点，并与总部运营团队协同优化业务流程，通过机制保障助力业务运营效率提升 3. 创新业务支持
1、负责先进工艺、封装工艺DTCO工作，实现Device → Process → Interconnect → Package → System多级设计和工艺联合优化； 2、负责2D/3D Testkey、SC、RO等测试结构的设计和版图实现、多级建模仿真及硅后验证分析， 实现SC性能和面积寻优，输出DFM规则和工艺优化建议； 3、设计和实现先进晶圆工艺、封装工艺场景下的有效测试结构，研究工艺变化、封装材料、热应力及机械应力等对器件和电路的性能、散热及可靠性的影响，输出设计和工艺优化建议； 4、针对新一代关键工艺技术开展工艺级别DTCO工作，识别工艺难点及其对设计的挑战，研究可能的解决方案并进行验证； 5、撰写报告、技术规范文档等，沉淀工程经验与方法论； FINFET/堆叠/先进封装；
工作内容： 1、本岗位专注培养熟悉一线营运全链路人才，进行前置仓门店各岗位全链路轮岗 2、对生鲜商品有一定的认知，热爱互联网，接近用户，第一视角解决用户需求 3、热爱零售行业，积极主动，有强烈的服务意识、团队合作意识，较强学习能力、沟通能力以及领导力
1、费用监控与优化： 定期复盘全国门店各类物料采买费用、预算达成率、采购合规率等核心指标，识别费用异常与优化空间，输出分析报告并提出改进方案，持续优化费用结构。 2、订货策略制定： 负责门店包耗材订货策略的制定与迭代，搭建并维护库存周转天数、缺货率、呆滞率、报损率、预算达成率等核心指标看板，保障门店物资供应与成本控制的平衡。 3、数字化系统落地： 参与AI智能订货系统的建设与推广落地，配合技术团队优化安全库存模型、订货参数配置等，推动系统能力在实际业务场景中的有效应用。 4、流程标准化建设： 沉淀费用管理与订货环节的标准化作业流程（SOP），推动区域费用管理向数字化、精细化方向演进，提升跨区域协同效率。 5、部门协同： 与门店运营、采购、财务、法务等团队保持高效协作，推动费用相关议题的闭环解决与项目落地。 6、自采供应商管理：业务自采服务的需求管理和服务类供应商履约管理。通过资源拓展及合作模式迭代，持续优化自采服务的成本、质量、时效及合规。
1. 复杂系统级建模与集成 (Complex System-Level Modeling and Integration): -- 主导新型异构并行计算架构的系统级功能模型 (System-Level Functional Model) 设计与实现。 -- 负责集成各个IP模块的功能行为模型 (Behavioral Model)，构建完整的片上系统 (SoC) 虚拟平台 (Virtual Platform)，并确保模型在功能上的高保真度 (High Fidelity)。 -- 该模型将作为固件 (Firmware)、驱动程序 (Driver) 以及上层应用软件 (Application Software) 开发、预集成和早期验证的基础平台。 2. 关键IP的精确级建模 (Precise-Level Modeling for Key IP): -- 对自研或定制的关键计算IP（如NPU/DSP/专用加速器等）执行事务级 (Transaction-Level) 的比特精确功能建模 (Bit-Accurate Functional Modeling)。 -- 确保模型和设计Spec的准确性， IP级模型将作为Golden Model 用于RTL功能验证，支持算法验证和早期性能瓶颈分析。 3. 建模方法学研究与性能优化 (Modeling Methodology Research and Performance Optimization): -- 研究并引入先进的功能建模方法学和仿真技术（如**TLM 2.0/SystemC/C++**等）。 -- 专注于提升模型仿真速度 (Simulation Speed) 和吞吐量 (Throughput)，以满足大规模软件回归测试和快速迭代的需求。 -- 持续优化虚拟平台的效率 (Efficiency) 和可扩展性 (Scalability)。
负责以下一个或者多个领域： 1. 基于平头哥数据中心服务器CPU芯片的应用和benchmark的性能分析与优化。 2. 通过分析包括上层的应用，中间层的框架、库和底层的Linux操作系统、硬件驱动的行为模式，以及竞对的性能表现，识别系统性能瓶颈，明确软硬件的优化方向。 3. 将识别出的性能瓶颈场景进行简化，实现称为有代表性的perf microbenchmark，作为软硬件优化的输入和用例。 4. 和软件团队协作，参与软件优化的开发工作，包括但不限于：给出优化方案或建议，提供性能测试用例。 5. 和CPU架构和硬件设计团队协作，将分析中定位到的硬件性能瓶颈问题反馈给硬件团队，提供相应测试用例，为下一代硬件产品的优化提出可行性建议。 6. 和测试自动化团队合作，建立和完善高效的CPU芯片性能测试系统；提高团队内性能测试和回归的工作效率。
1、负责主持生产部各车间生产、质量、工艺、设备、安全等管理工作，确保各项指标的达成； 2、依工艺标准对各车间的操作工艺、质量进行监督，确保成品达标； 3、依据生产计划组织生产人员完成生产任务，确保按质按量交货； 4、负责本部门出入库台帐数据的准确性和生产数据提交的正确性； 5、负责本部门的成本控制（盘亏盘盈、物料领用、报损、水电气的控制、在产品库存、固定资产及其他各项费用支出等）； 6、审核生产部人员的计件工资情况，是否正确、合理； 7、负责生产部bom修改、工艺路线维护数据提交准确性； 8、负责各项生产制度、标准及流程的贯彻落实和及时更新修订。
1、负责工厂质量管理体系落地执行，推进ISO22000/HACCP体系维护，推进FSSC22000体系搭建，落实各项质量目标、食品安全目标的达成； 2、牵头建立部门内原料验收、过程巡检、成品出厂检验标准化作业流程；牵头工厂虫害管控、清洁消毒计划、SSOP卫生规范的落地； 3、依据国标、总部要求、生产sop组织落实生产过程质量稽核，对人员卫生、工器具卫生、工艺参数、人员操作进行监督，推动现场质量改善； 4、负责客诉、市场抽检、监督检查问题的接收、原因调查，制定纠正预防措施，跟进闭环，输出整改报告； 5、负责检验设备、计量器具的校验、台账管理；负责现有产品及新产品对接制样和送检；对检测机构出具的报告进行检查，问题点对接进行修改及报告归档； 6、负责部门需求物资采购清单审核，申请及进度跟进； 7、负责工厂食品安全培训资料的收集、编写、修改等工作，完成培训需求； 8、各方检查配合品控经理做好资料准备，现场迎审及后续改善措施的落地验证工作； 9、负责相关法律、法规的收集、整理、培训工作； 10、完成上级交办的其他质量管理专项工作。
1. 负责top floorplan，电源网络，partition， 时钟树， IO assignment 等规划 2. 建立后端sign off spec，signoff 策略 和signoff checklist，包括STA, EM/IR, PV 等 3. 负责先进工艺中后端流程开发 4. 负责关键ip的ppa 优化 5. 与前端构架深入合作，保证构架设计可实现性与ppa 优化
千问（Qwen）是由Token Foundry自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 Coder 团队致力于构建能够执行、扩展并自我进化的自主系统，通过构建超智能的 coding agent / digital agent，扩展数字世界，为迈向真实世界的智能奠定基础。 工作职责： 1. 负责通用模型 Qwen 的代码能力和代码专有模型 Qwen-Coder 的构建。 （1）包括但不限于数据收集、预训练、后训练（强化学习）、评测等方向上的探索。 （2）我们坚持 Large-scale Pre-training 和 Large-scale RL 来提升 Code Reasoning 能力，在专家级编程竞赛超越人类，并构建 Coding Agent 来解决真实世界软件开发任务。 2. 负责 Computer-Use Agent (GUI-Agent）的建设，以最直观的方式—鼠标、键盘、编码等操作来代替人类执行数字世界任务。 （1）通过 Scaling 海量数字世界数据结合大规模合成数据，来提升 Computer-Use Agent 的 Grouding 能力。 （2）通过 Long Horizon 的方式进行强化训练，结合可扩展的多模态环境反馈来提升 CU Agent 的 Reasoning 的能力。
● 负责主流深度学习框架在Token Foundry大模型场景下的工程优化，包括但不局限于MoE模型大规模训练框架、多模态训练框架、RLHF训练框架等，参与包括基模型Pretrain、SFT等多个阶段的训练任务优化； ● 致力于提升不同阶段模型训练负载的极限吞吐，能够针对不同模型负载系统化的分析不同阶段耗时并提供相应的优化手段，优化手段包括但不局限于算子优化、通信优化、分布式策略优化等； ● 负责超大规模训练任务的稳定性的设计，通过各种手段来提升训练任务的有效吞吐，构建更可靠的故障检测系统和自愈系统，提供超大规模训练任务的丝滑体验。
强化学习（RL）是 Qwen 系列基础模型持续演进的重要技术方向，被广泛应用于提升模型在复杂任务中的推理、规划、编码、工具调用与长程决策能力。我们持续探索 RL 在长程代码任务、视觉交互、真实环境执行、数学与代码竞赛等场景中的应用，推动模型在复杂开放任务中的自主性与执行表现。欢迎对大模型与强化学习方向有经验和热情的同学加入。 工作内容包括： 1. 研究 PPO、GRPO 等强化学习算法，提升训推分离场景下大规模 RL 训练的稳定性与效率；探索 RL scaling law、长程训练、多任务融合与系统优化等方向，提升模型持续训练收益与泛化能力。 2. 优化端到端 Agentic RL 链路，提升算法与系统整体效率，增强 agent 在推理、长程规划、代码生成与工具调用等场景中的能力；结合 critic model 与过程奖励机制，对 agent 行为进行有效引导，提升 scaffold 泛化性、指令跟随能力与推理效率。 3. 提升 RL 在长程任务与复杂开放任务中的表现，研究训练效率优化、复杂任务学习方法；探索多 agent 协作、自我反思、记忆机制与规划等方向，提升奖励信号、奖励模型与agentic verifier的准确性和鲁棒性。 4. 与研究员和工程师协作，持续迭代coding agent 与long-horizon agent 的训练数据、奖励信号与执行环境；改进合成数据生成方法，针对模型能力短板构建可验证的 RL 数据，提升基础模型在前沿 benchmark 与真实任务场景中的表现。
1. AI 解决方案设计与落地 ○ 面向海外企业、跨国公司（如头部零售、国际电信、头部医药、金融等客户），深入理解其核心业务场景与AI转型需求。 ○ 结合阿里云百炼、云服务等产品能力，设计端到端的AI数字化解决方案，推动AI MaaS产品组合的商机转化与项目落地。 ○ 通过Prompt工程、工作流编排、Agent构建等方式，快速开发高价值Demo，向客户进行技术演示与价值验证。 2. 敏捷原型开发与技术协同 ○ 运用“Vibe Coding”理念，借助前沿AI编程助手（如Claude Code、Qoder等），高效构建行业应用原型，从AI-Native 的角度，支持支持敏捷迭代与新时代的云服务产品重构。 ○ 协同内部AI PD与RD团队，将客户反馈转化为产品优化需求，持续提升百炼专属版等AI工具链的企业级能力。
1、负责快消品类客户的开发及维护，完成公司下达的IP销售指标，建立与企业客户的良好合作关系； 2、深度挖掘IP和快消行业的营销玩法以及结合空间，对IP商品化授权、IP营销授权、影剧综植入等进行整合推荐及销售； 3、通过IP给品牌营销赋能，打造数据+IP+营销+消费者的全链路一站式解决方案； 4、承担项目经理职责，独立推进整个项目进展并拿到项目结果。
1、建立商品降本评估体系，深挖商品降本机会，促进业务迭代降本运营机制； 2、针对公司重点大品大类，进行行业研究，探索全链路供应链降本机会，以及商品力跃迁机会； 3、基于对业务的理解和风险判断，持续优化业务成本管理体系，通过数据分析挖掘DPP降本机会点，驱动成本卡模型的优化和升级； 4、建立财务模型，正确评估项目收益，并系统化降低风险； 5、熟悉合同管理方法，发挥财务专业力，协同业务运营团队，牵引业务达成目标。
1、店铺销售：负责与公司内外部合作部门进行沟通对接，达成店铺销售目标，包括但不限于目标拆解、任务跟进、数据分析及制定业绩提升方案等； 2、人员管理：负责店铺员工面试、入职、带教、团队建设及相应的员工能力提升等； 3、货品管理：负责店铺货品陈列培训、库存分析及员工陈列能力提升等； 4、店务管理：负责店铺员工管理制度执行、顾客接待与维护管理、日常重大客诉处理等； 5、培训管理：根据公司的战略制定不同时期的培训计划（包括新店人员培训、日常培训、修订业务流程、操作规范、服务技巧等），并组织实施、监控培训过程、评估培训效果及组织培训考核等。
职位名称：领导力发展专家 【岗位定位】 作为领导力发展领域的核心专家，您将主导关键层级人才发展项目的全生命周期管理。您需要具备深厚的项目设计功底与卓越的交付能力，既能深入业务一线进行精准诊断，又能独立输出高质量的课程体系与运营方案。同时，您将作为创新先锋，利用AI技术与社群化运营手段，重构传统培训模式，打造高互动、高转化的人才发展闭环。 【岗位职责】 1. 人才发展项目体系设计与规划 (Project Design & Architecture) ● 顶层设计： 基于业务战略与人才盘点结果，独立负责中高层或高潜人才领导力发展项目的整体架构设计（包括学习地图、培养路径、评估机制等）。 ● 内容研发： 主导核心领导力课程与案例的开发。能够萃取业务标杆实践，将隐性经验转化为显性的课程内容、案例库及教学工具，确保内容“接地气、能实战”。 ● 混合式学习设计： 设计“线上+线下”、“学习+实践”、“测评+反馈”相结合的混合式培养方案，确保学习项目不仅停留在课堂，更能延伸至工作场景。 2. 培训项目端到端交付与运营 (End-to-End Delivery) ● 核心交付： 亲自承担关键模块的授课、引导与工作坊主持工作。具备极强的现场控场能力，能通过高效的引导技术（Facilitation）激发学员研讨，推动共识达成。 ● 运营闭环： 负责项目从启动宣发、过程运营到结业评估的全流程执行。监控项目质量，及时处理突发状况，确保学员满意度（NPS）与学习目标达成。 ● 效果评估： 建立科学的项目评估体系，量化培训对业务行为改变及绩效提升的实际贡献，并输出复盘报告。 3. 业务诊断与需求洞察 (Business Diagnosis) ● 高层对话： 能够与业务部门Leader（M3/M4及以上）进行同频对话，通过深度访谈、数据分析等手段，精准识别业务痛点背后的能力缺口。 ● 定制化方案： 拒绝“标准化套餐”，基于诊断结果为不同业务线定制差异化的解决方案，确保培训项目直接服务于业务目标的达成。 4. 学习技术创新与社群生态 (Innovation & Community) ● AI赋能培训： 积极探索生成式AI在课程设计、课件制作、模拟演练、智能陪练等环节的应用，大幅提升内容生产效率与学员互动体验。 ● 社群化运营： 引入互联网产品运营思维，搭建高活力的“学习社群”。通过任务打卡、同伴互评、话题共创、积分激励等机制，激活学员自驱力，营造持续学习的组织氛围，打破传统培训的“孤岛效应”。
1.负责盒马餐厨品类的商品采购与供应链管理，围绕餐具、厨具、收纳等细分类目，通过精准选品与供应商开发，为消费者提供高品质、高性价比的居家餐厨产品方案； 2.根据市场趋势和消费者洞察，制定餐厨品类的年度采购策略与商品结构规划； 3.开发并维护优质供应商资源，涵盖国内外优质产业带工厂，推动OEM和差异化商品的落地； 4.管理品类P&L，对销售额、毛利率、库存周转等核心指标负责； 5.联动运营、营销团队策划品类促销活动，提升品类渗透率与复购； 6.持续关注行业动态与竞品策略，推动商品迭代升级。
1. 在AI 芯片上适配SOTA开源框架和SOTA模型，分析解决适配过程中发现的功能、性能与精度问题，为AI芯片客户提供问题支持和解决方案 2. 对SOTA模型和框架做原理分析，竞对分析、构建差异化产品竞争力，贡献开源社区提升产品影响力 3. 构建SOTA模型和框架端到端粒度、算子粒度、Kernel粒度的仿真框架，在芯片设计阶段提前发现精度、性能问题，保障芯片设计成功
1.根据公司AI芯片产品战略及路线，定义和管理数据中心AI加速芯片产品； 2.负责AI芯片软硬件产品规格定义，通过市场调研、客户访谈、竞争分析等识别产品需求，制订优先级，定义产品主要功能、性能指标（算力、互联、功耗、软件栈等），综合考虑技术演进、标准进展、合作伙伴需求和市场需求等多重因素； 3.制定产品路标和版本迭代计划，对齐市场窗口、技术成熟度和竞品发布节奏，负责AI芯片产品定价，并对产品竞争力和商业结果负责； 4.跟踪AI芯片市场和竞对动态，洞察大模型负载与技术趋势，输出竞争预警与差异化定位； 5.对于芯片产品进行日常管理，与内外部客户、架构、设计、软件、市场、销售等团队进行有效沟通，推动产品从规划到量产上市； 6.协助管理层对芯片的成本、功能、开发时间等因素进行取舍选择，并分析潜在的资本投入回报。
1、基于对医疗&教培行业趋势、竞对动态及平台数据的深度洞察，制定大区年度经营战略与商业版图规划，明确增长路径与资源投入优先级 2、带领团队实现辖区内教培&医疗商家（亲子、教育、口腔、综合医院、医美等）的快速渗透，基于 LBS 场景特性，整合营销、广告等资源，打造可复制的行业标杆案例。 3、 负责大区管理梯队的选拔与培养，提升团队作战能力，打造高执行力销售团队。 4、跨部门协同与流程优化：协同产品、运营等部门推动项目落地，参与制定并协调上级政策的本地化执行，优化区域内部管理流程。
一、岗位职责 场地规划 1.根据短期业务诉求，输出场地规划方案，包括功能区、月台、货架及必要的仓库改造需求 2.根据中期业务诉求，输出仓库使用方案，包括仓库扩租方案，长租&临租方案 3.根据中长期业务发展，结合仓库情况（可用面积和未来拓展空间）以及运营成本（仓租成本、人员成本、运输成本）等，确定最终使用仓库 仓网规划 1.根据长期业务发展，配合供应链计划输出仓网方案，包括仓库开城选址，新开仓运营模式（自营/流量，仓配/中转仓）等 场地优化 1.通过场地规划手段，比如自动化、生产设备、动线优化、货架优化、上下游协同等，提升仓库人效&坪效，并跟踪落地
推动 GUI / Hybrid Computer Use Agent 在 Computer / Mobile / Browser 等真实数字环境中的能力演进与落地实践，使模型能够理解、操作并协同完成跨平台、跨界面、跨工具、跨任务流的复杂用户任务，持续提升 Agent 在开放环境中的泛化性、鲁棒性、协同性与实际可用性，拓展大模型在真实人机交互场景中的能力边界。 1. GUI Agent：重点探索 GUI 在Computer / Mobile / Browse场景下的Agent能力提升与OOD任务能力泛化影响分析，研究大规模自然GUI轨迹Pre-training、用户协同能力； 2. Hybrid Agent：设计CLI & GUI 统一范式下的Universal Digital Agent Harness & Behavior Pattern，探索用户协同CUA场景下的有效实践方案； 3. Envs Scaling & Training Scaling：在大规模合成环境和现实环境数据中CPT->RL端到端优化迭代； 4. Preference & Feedback Modeling：探索用户协同Computer Use场景下用户偏好和用户反馈的收集、建模与处理机制，研究显式反馈与隐式反馈的统一表征方式，建立可用于训练和评估的反馈闭环。
推动大模型在芯片设计（EDA）、工业设计（CAD）、工程仿真（CAE）、游戏设计、金融工程、工业自动化、Infra 调优等工程领域的能力演进与落地实践，使模型能够在真实工程生产环境中理解设计规格、调用专业工具、解析反馈信号并持续自进化，通过多轮迭代不断发掘更优算法与设计方案，拓展大模型在工程优化场景中的能力边界。该方向的核心目标是将工程领域的能力训练到主模型中，侧重在不同工程领域间的泛化性，而非构建单一领域的专用系统。 1. Self-Evolving Engineering Agent：研究基于 Self-Evolving、Long-Horizon、Multi-Agent 等 Test-Time Scaling 范式的工程优化能力增强方法，探索 Propose → Execute → Evaluate 迭代循环在多工程领域的统一建模，提升 Qwen 模型在开放工程环境中的泛化性与收敛效率。 2. Envs & Tool-Chain Integration：构建面向真实工程工具链的 Agent 闭环环境，将专业工具（EDA 编译器/仿真器/综合器、CAD 求解器、物理仿真引擎等）的 CLI 接口与报告输出集成为 Agent 可消费的结构化反馈信号，设计分层 Reward 体系驱动端到端优化。 3. Domain Data & Training Scaling：挖掘工程领域高价值数据与 workflow（设计规格、工具反馈轨迹、优化历史），构建 General Long-Horizon Data Pipeline；在 CPT → SFT → RL 端到端验证领域适配与训练策略，优化模型在工程任务中的长程推理与迭代优化能力。 4. Benchmark & Evaluation：跟踪工程智能前沿进展，围绕关键问题开展算法创新、实验分析与技术沉淀；复现并维护高可靠性工程评测环境，建立可量化、可复现的能力评估体系。 5. AI for Chip Design 加分项： （1）EDA Agent Loop：熟悉数字芯片设计全流程（RTL → 综合 → 验证 → 后端），能够将 EDA 工具链集成到 Agent 迭代循环中，构建 "生成 RTL → 工具验证 → 反馈评估 → 改进设计" 的闭环优化环境；了解后端 PnR 参数调优、时序收敛、版图优化等迭代流程，能够将布局布线阶段的多维反馈（时序/拥塞/功耗/面积）纳入 Agent 优化循环。 （2）Verification & Rewarding：具备 Verilog/SystemVerilog 读写能力，能够设计面向 RTL 生成与功能验证的评测体系与训练数据流水线，探索 Agentic 的功能性验证和形式化验证方法。 （3）AI for EDA Research：关注 AI for EDA 前沿进展，能够将学术界的训练范式落地为可复现的训练方案，在业界评测集上验证并推动芯片设计能力的持续演进；同时关注模拟电路设计、MEMS 及其他非数字电路领域的 AI 落地机会，具备将 Agent 迭代优化范式从数字拓展到模拟、混合信号及微机电系统等方向的研究与落地能力。
岗位概述 负责盒马鲜生前置仓在对应城市的选址开发、商务谈判及项目落地工作。统筹区域前置仓资源储备与战略规划，协同工程、营运、法务、财务等部门完成开店全周期管理，确保年度开店目标达成，并为公司业务快速扩张提供持续、优质的物业资源支持。 岗位职责 1.开店目标达成 根据公司前置仓开店策略及区域业务规划，完成开店计划并推动落地； 对选址项目进行全面评估与可行性分析，完成商圈调研、可信性报告及投资测算； 承担城市/区域开店指标，成本控制，确保年度、季度开店目标按时保质完成。 2. 选址开发与资源拓展 主动挖掘并开发符合前置仓经营条件的优质物业资源，建立并维护连锁物业、房地产商、行业渠道等人脉网络； 积极开拓区域前置仓战略储备资源，形成可持续的项目储备池，支撑业务快速扩张； 探索异业同盟、渠道合作等创新模式，拓宽选址资源获取路径。 3. 商务谈判与合作关系维护 负责与合作方进行商务洽谈、合同条款协商及合作方案推进，保障公司利益； 建立并维护长期稳定的合作关系，做好合作方日常沟通及关系管理； 处理重大租赁纠纷及突发问题，维护公司品牌形象与合作秩序。 4. 项目落地与跨部门协同 统筹选址、租赁、开店、闭店等全生命周期管理，跟进各节点落实； 协同工程、营运、法务、财务等部门完成门店装修、证照办理、合同签署及开业筹备； 协调公司内部资源，推动项目高效落地，解决项目推进中的各类问题。 5. 费用管理与风险管控 做好区域年度开发费用预算及成本控制，确保费用使用合规高效； 把控选址及租赁过程中的法律、财务及运营风险，确保合同条件有效落实； 参与总部开发管理安排的重点项目及专项工作。
1. 负责芯片级、封装级、系统级的信号完整性的分析、设计和验证工作，为芯片、封装、产品系统提供完整的信号完整性解决方案； 2. 解决芯片设计和应用中的高速信号传输SI相关问题； 3. 高速接口IP的测试验证和选型分析； 4. 参与行业调研，参与先进SI技术的开发。
负责以下一个或者多个领域： 1. 基于平头哥数据中心服务器AI芯片的应用和benchmark的性能分析与优化。 2. 通过分析包括上层的应用，中间层的框架、库和底层的Linux操作系统、硬件驱动的行为模式，以及竞对的性能表现，识别系统性能瓶颈，明确软硬件的优化方向。 3. 将识别出的性能瓶颈场景进行简化，实现称为有代表性的perf microbenchmark，作为软硬件优化的输入和用例。 4. 和软件团队协作，参与软件优化的开发工作，包括但不限于：给出优化方案或建议，提供性能测试用例。 5. 和AI芯片架构和硬件设计团队协作，将分析中定位到的硬件性能瓶颈问题反馈给硬件团队，提供相应测试用例，为下一代硬件产品的优化提出可行性建议。 6. 和测试自动化团队合作，建立和完善高效的AI芯片性能测试系统；提高团队内性能测试和回归的工作效率。
1、深入客户业务一线，通过访谈与跟岗拆解现有流程，找到断点和效率瓶颈，设计 AI 驱动的人机协同新流程，输出 SOP 并推动变革落地。 2、围绕"业务价值 × 可落地性"设计 AI 场景，完成从方案到 POC 的端到端验证——让效果看得见、算得出、讲得清。 3、基于千问办公/Qwen 大模型搭建 Agent，完成 Prompt 工程、RAG 知识库、工具编排与多 Agent 协作；通过 MCP 打通客户 ERP/CRM/OA 等核心系统，用 A2A 协议实现跨系统互操作。 4、作为客户侧技术主接口，从规划到上线全程把控，建立 ROI 跟踪与效果迭代机制，跑通"规划→落地→迭代"闭环。 5、培养客户内部种子用户，通过培训、工作坊和实操陪跑，让客户团队能自己搭、自己改、自己推广。 6、持续挖掘新场景与扩容机会，将一线洞察转化为商机线索，助力增购与续约。 7、沉淀可复用的方案与工具集，把实战经验反哺产品团队，推动产品持续进化。
1、负责毛绒、毛绒家居、饰品包袋、谷子类等IP衍生品设计，兼顾美感与商业落地，对新品上市结果负责； 2、基于市场趋势与IP特性推导主题创意，输出企划提案并制定系列化开发方向； 3、跟进设计、打样、审图、修改全流程，协同供应链与版权方把控品质与还原度； 4、合理规划项目排期，管理多任务并行，确保产品按计划上市。
