共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
1. 聚焦多模态大模型的数据处理链路，负责 PDF 等复杂文档载体的内容高精度解析与结构化提取，结合开源框架进行效果优化与性能调优； 2. 负责离线数据处理体系的架构设计与实现，构建高吞吐、可扩展的通用数据编排与调度引擎，支撑大规模多模态数据的高效、稳定供给； 3. 基于 AI Coding 能力快速响应研发需求，构建稳定、可维护的数据处理与存储系统，保障端到端 pipeline 的可靠性与可观测性； 4. 推动多模态数据处理技术在实际业务场景中的落地，通过技术创新驱动大模型理解能力与应用效果持续提升。
1、负责语音大模型能力的后端开发，确保不同的业务产品落地； 2、持续推进语音大模型最新技术的工程优化和应用落地； 3、大模型分布式推理的架构和优化，在模型高速迭代的过程中，保证架构可扩展、资源有较高利用率； 4、大模型语音服务稳定性治理和并发优化； 5、深入业务，全链路提升产品语音交互体验。
1、负责所辖区域美食服务商的布局及招募策略制定，挖掘优质资源，通过线上、线下多种方式招募并对招商结果负责，定期复盘沉淀招商方法论； 2、协助服务商搭建团队、业务培训、机制建设、团队管理，打造一支优秀规模化、标准化作战团队； 3、落地渠道业务部的拓展策略及销售政策，用数据驱动指导服务商作业，拿到交易和商业化结果，帮助服务商成长； 4、识别业务风险，传导风控要求，主动汰换业务发展或作业规范不合格服务商。
职位概述： 作为平头哥数据中心产品线深度学习算法框架高级技术专家，将负责设计、开发和优化深度学习算法框架，提升算法模型在PTG AI芯片上的运行效率和性能。跨团队协作，确保高质量的代码和技术实现，同时为团队提供技术指导。 主要职责： 算法框架适配与开发： 对开源AI软件框架的内部实现有深入理解，能够快速将广大开源软件适配到 AI 芯片上，同时确保性能达到最优。同时根据公司AI芯片的差异化的功能，在框架层面实现软硬件结合的解决方案。 性能优化： 分析和优化深度学习模型的训练和推理性能，提升计算效率和资源利用率。 根据芯片硬件特点使用多种技术手段，包括分布式计算、模型压缩和量化，优化算法在实际应用中的表现。 跨团队协作： 与其他团队（如编译器、驱动、客户支持等）紧密合作，确保技术指标的达成，并实现符合用户需求和市场趋势的功能。 为团队成员提供技术指导和支持，推动团队技能的持续提升。 技术研究与创新： 跟踪深度学习和机器学习领域的最新研究动态，探索并实施新算法和技术。 参与编写技术文档和论文，促进技术的分享与传播。
1、 品牌公关策略制定：根据公司战略和业务需求，策划并执行年度/季度公关传播方案。 2、 媒体关系开拓与维护：从0到1开拓并维护优质媒体资源，包括但不限于党政央媒、粤港澳大湾区媒体，以及国际媒体；结合不同媒体渠道特点，制定高效的媒体关系管理策略，进行分级管理并保持长期沟通合作。 3、 媒体活动策划与执行：策划并组织各类媒体活动，如媒体采访、媒体沟通会等，提升企业在行业及市场的影响力。 4、 选题策划与媒体Pitch：深入理解企业业务与市场动态，结合媒体需求策划高质量选题，实现企业关键信息的有效传播，促成有价值的媒体报道。 5、 危机公关及舆情应对：及时监测媒体舆情，识别潜在风险，协同制定危机公关策略，并有效对接媒体进行沟通管理，快速化解负面舆情影响。
1、营销自动化：主导 AI 自动化创建链路的产品设计，逐步放开触点和配置的自动化能力，与算法团队协作推动策略编排向智能化演进 2、围栏体系：搭建地理围栏（AOI）数据体系，优化围栏筛选方式，推进围栏自动化圈选和智能化挖掘 3、预算管理：设计预算看板权限分级体系，优化预算与策略的解耦关系和状态同步机制 4、实验平台：设计全局 AB 实验体系，推进实验置信度问题解决和核心指标度量体系搭建 5、权限与审批流：治理权限体系和审批流，解决业务大区、国际化开城等场景痛点，推动审批流整合与智能化
1. 核心系统建设与提效落地 -负责虎鲸 AIGC 平台核心模块的设计与开发，确保全年业务提效目标达成 -深入业务场景，发掘业务诉求转化为明确的 AI 解决方案，实现技术驱动业务增长 2. Agent 架构探索与工程化 -参与 Agent（智能体）系统的核心模块规划与落地 -参与 知识库搭建、API 接入及上下文注入策略优化，解决大模型幻觉与延迟问题 -建立自动化评测与回测机制，通过 Case 分析持续收敛效果，推动 AI 能力从单点验证走向规模化应用 3. 技术治理与效能提升 -主动发掘系统架构瓶颈，制定并推进治理方案（如性能调优、异常排查、容灾降级） -"AI Native"开发模式，利用 Cursor、Claude Code 等前沿 AI 编程工具辅助团队进行代码生成、巡检与重构，显著提升团队整体研发效能 4. 技术沉淀与团队赋能 -主动参与团队技术分享，输出高质量的技术文档与设计规范；推动数据化决策意识，完善数据埋点设计，以数据驱动技术迭代
我们正在寻找一位优秀的机器人视觉重建与重定位算法专家。您将负责构建机器人（包括轮式、四足、双足/人形等）对真实世界的三维感知、场景重建与高精度视觉定位能力。在这个岗位上，您将结合多视图几何、视觉 SLAM、三维重建等经典方法与前馈式三维重建、学习型特征匹配、神经场景表征等前沿技术，攻克机器人在动态环境、弱纹理、光照变化、重复结构及长期环境变化条件下的建图与定位难题。 核心职责： 1.视觉三维重建：负责基于多目、鱼眼、全景等相机的三维重建算法研发，包括位姿估计、深度估计、点云融合、表面重建等。 2.视觉重定位：负责基于先验地图的重定位算法，熟悉传统特征匹配、PnP的几何方法，同时研发端到端视觉重定位模型，包括图像到6DoF位姿回归、场景坐标回归及前馈式相对位姿估计，提升动态、弱纹理等3.复杂场景下的定位精度 4.图像检索：负责视觉地标识别与图像检索模型研发，提升跨视角、光照变化和动态环境变化下的图像检索召回、精度与效率。 5.地图构建与维护：负责稀疏/稠密地图、点云、语义场景地图的构建、压缩、质量评估与增量更新，支撑机器人长期稳定运行。 6.工程落地与评测：负责算法在 NVIDIA Jetson、Orin、ARM 等平台上的部署和性能优化；建立自动化评测体系，持续优化重建质量、定位成功率、位姿精度、运行延迟及资源占用。 7.前沿技术探索：跟踪视觉 SLAM、前馈式三维重建、视觉定位、多模态场景图构建等技术进展，并推动其在机器人产品中的应用。
1. 负责移动端（Android/iOS/鸿蒙）安全检测能力建设与运营，保障移动端漏洞召回率达标 2. 负责AI时代新型安全切面的研究与落地，重点包括： - MCP工具调用安全：监控Agent实际调用的工具、参数中的敏感数据、权限范围校验 - 模型API调用安全：Prompt中的隐私数据检测、用户输入透传风险、模型返回的越权泄露 - Agent对话安全：Prompt注入检测、Agent超预期操作防御 3. 负责AI设备安全研究，覆盖智能眼镜、DingTalk智能体设备等新型终端的协议、应用、市场安全风险检测 4. 参与端侧资产监控体系建设，保障端侧安全加固（白名单校验等） 5. 结合AI工具（Claude Code + 反编译）进行移动端深度漏洞挖掘等 6. 参与ASRC漏洞复盘，48小时SLA内完成移动端相关漏洞的分析与举一反三
1. 结合高德流量和供给现状，负责广告变现业务的产品运营，基于客户分层制定运营策略； 2. 对广告主的留存率负责，结合业务发展阶段制定广告主覆盖和留存策略，定义指标并输出分层客户的运营方案和执行规范，通过数据监控不断优化迭代策略 3. 主动诊断及发现业务问题，基于复杂的问题进行数据挖掘和模型分析，沉淀业务探索思路，输出方法和业务策略 4. 发掘及收集客户需求痛点，定位核心问题并给出解决方法，提升客户对广告产品的认知度； 5. 运营方法及策略的产品化建设，提升运营效率
团队聚焦于集团核心AI推理平台（阿里云百炼、千问AI平台、Qwen Cloud等）的模型服务基础研发，覆盖从底层架构设计到上层业务支持的全链路开发工作。我们的目标是打造业界最可靠、成本最优、效率最高、规模最大的MaaS（Model-as-a-Service）平台，支撑百亿级Token调用的高并发场景，保障企业级AI应用的稳定交付与极致体验。 岗位职责 1. 负责阿里云百炼、通义千问AI平台管控面后端系统的设计、开发与维护，参与模型元数据、网关策略配置、企业级能力、TokenPlan等关键模块的开发工作。 2. 参与推理网关（认证/限流/鉴权）、控制台网关（多端适配/安全管控/运维体系/多站点）、企业级能力（网络通道、数据权限管控、细粒度权限、资源与OpenAPI等）的高可用架构设计与开发工作。 3. 参与百炼平台模型的全链路生命周期管理，参与API的发布、调试、监控、告警、审计的全链路管控流程，参与网关策略配置的多Region数据巡检及管控治理体系的架构设计与开发工作。 4. 参与大模型体验中心（文本/语音/视觉/全模态/向量）模型体验流式网关协议转发、实时数据转储等推理服务链路的系统设计与开发工作。 5. 参与百炼TokenPlan业务坐席管理、UAC对接、credits抵扣、优惠活动、Agent对接等系统设计与开发工作。 6. 了解技术使用场景和优缺点，能够就复杂技术问题提供解决方案并执行落地，同时对上下游技术团队及技术架构有完整认知。 7. 持续跟踪大模型基础设施技术趋势，输出可落地的架构方案并主导实施。
1. 制定 AI 数据飞轮策略：围绕模型训练、评测与迭代需求，制定数据运营策略，明确数据供给目标、优先级和质量标准，搭建“需求—生产—评估—反馈”的数据闭环。 2. 建设数据供给生态：拓展大众用户、行业专家及合作渠道，设计招募、激励和长期运营机制，持续扩大以线上平台为载体的高质量、多样化数据获取规模，并优化数据获取成本与效率。 3. 推动策略落地与业务协同：联动算法、产品、研发及业务团队，将模型需求转化为数据任务和运营动作；建立核心指标及评估机制，通过数据分析和实验持续优化数据质量与生产效率。
职位概述 随着智能手机进入AI OS时代，手机厂商竞争从硬件生态转向以AI Agent智能体为核心的服务生态竞争。本岗位负责高德地图在手机厂商AI生态中的产品合作与用户增长，从传统流量分发、系统入口合作，升级为系统级AI助手与多智能体协同。依托MCP标准化连接、A2A多智能体协同能力，把高德位置、出行、本地生活服务，让厂商Agent能够准确理解、稳定调用、完成用户任务，实现从“人找服务”到“服务找人”的业务模式升级，持续扩大服务触达、用户回流、活跃留存。 职位描述： 1. AI Agent生态增长策略与路线规划 负责手机厂商AI Agent生态合作的产品规划与增长策略，面向新用户、活跃用户、使用频次、留存、业务转化等核心目标，深度理解各厂商AI助手（小爱同学、Jovi、YOYO等）能力边界，挖掘系统AI助手、智能搜索、多模态交互、场景化推荐等增量入口，输出阶段性产品路线图与增长计划，设计基于自然语言交互的用户获取、活跃、回流路径。 2. Agent服务供给体系建设，业务能力标准化封装 将搜索、路线规划、导航、打车、酒旅、本地生活等业务能力，从App内功能，改造为可被外部Agent发现、理解、调用、组合的标准化服务； 3. MCP服务产品设计与持续迭代优化 主导MCP在高德侧落地与优化，包含工具描述、参数Schema、意图‑能力映射、鉴权授权、超时重试、返回结果结构、异常兜底策略、可观测埋点体系设计；持续优化大模型调用体验，降低幻觉与调用延迟，重点提升能力发现率、选择率、调用成功率、端到端任务完成率。 4. A2A跨智能体协同方案设计与落地 推动高德业务Agent与手机厂商系统Agent的A2A对接合作，协同定义能力发现、任务委派、上下文传递、会话状态维护、身份与权限管控、结果回传、异常处理、效果归因整套机制；支撑跨Agent复杂任务协同，打通多应用服务闭环，提升用户体验与业务NPS。 5. 厂商端全链路项目落地推进 深度拆解不同手机厂商AI战略、系统能力、入口形态、商务合作机制，覆盖全方位入口形态；联合厂商完成合作方案设计，推动方案验证、联合开发、灰度测试、规模化上线全流程落地。 6. 端到端增长漏斗搭建与数据驱动迭代 搭建Agent场景完整增长漏斗：用户意图识别‑能力召回‑路由分发‑服务调用‑任务完成‑App回流‑业务转化‑用户留存；基于埋点采集、效果归因、A/B实验、人群分层，定位业务杠杆，持续优化投入产出比，对DAU/MAU、业务转化、用户留存等结果负责。 7. 体验、业务、安全多方平衡迭代 以真实用户任务完成为核心，持续优化Agent交互体验、响应效率、结果质量、跨端承接链路；平衡厂商诉求、用户价值、业务增长目标与隐私安全要求。 8. 项目统筹与能力沉淀复制 统筹内外部研发、算法、运营，外部厂商多方资源，管理重点项目目标、节奏、风险与交付质量；沉淀可复用的产品标准、Agent接入规范、厂商合作方法论，提升多厂商、多场景规模化复制效率。
1. 探索研究多模态生成大模型的设计与开发，探究高效生成、生成理解统一、多模态理解、强化学习/RLHF后训练和高效数据管线设计等方向。 2. 参与研发多模态生成大模型开发等下一代人工智能核心技术，参与大规模生成基础模型预训练与后训练开发。 3. 负责跟踪和研究多模态生成大模型前沿技术调研、落地、对业务进行优化。
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)。
1.负责ASR（语音识别）模型评测体系的建设与自动化落地，包括评测流程设计、评测工具开发与维护； 2.搭建和优化自动化评测Pipeline，覆盖识别准确率、延迟、多语种/多方言等核心指标的自动化回归； 3.编写评测数据集管理工具，支持测试集的版本化、标注质量校验与抽样分析； 4.基于评测结果进行数据分析，输出结构化的评测报告，定位模型性能变化的根因，为模型迭代提供数据支撑； 5.与算法、产品团队紧密协作，持续完善评测标准与指标体系。
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
核心职责 在以下一个或多个领域担任关键角色： ● 组织诊断与组织设计：理解业务战略，通过组织诊断，形成组织设计、人才运营（绩效管理、人才盘点、晋升等）等方面的系统性思考和实施方案，并推进落地实施；研究 AI 时代下组织建设的前沿趋势和领先实践，结合公司业务组织实际需求，制定针对性方案应用 AI 重塑组织运作方式并提升效率。 ● 人才机制创新：根据业务发展需求，识别组织与人员的核心能力需求，参与并推动关键人才管理机制的设计与迭代，让机制真正牵引组织走向 AI Native 的工作方式。 ● 通过数据与 AI 洞察驱动组织效能提升：整合组织业务数据与人才数据，形成数据看板，整合定性定量的组织人才信号分析，通过智能分析等手段为管理者提供建议，构建面向管理者与 HR 的洞察闭环，发掘数智效能的应用场景，支持及时发现问题、解决问题，使组织效益最大化。 ● 组织发展工作的 AI Native 化升级：把组织发展的关键工作改造为AI形态，让机制设计的产出从方案演进为可运行的系统。
负责游戏内音效、环境声、UI反馈音等音频资源的设计与实现； 使用Wwise/FMOD等中间件集成音频到Unity/Unreal引擎； 配合音乐制作人完成动态音乐系统的搭建； 优化音频性能，确保在多平台（PC/移动端/主机）上的表现一致。
我们正在构建面向组织上下文的创新产品，将散落在人脑、群聊、会议、文档中的组织经验（碳基资产）编译为Agent可消费的组织上下文（硅基资产），让每一个业务Agent都能带着组织的记忆工作。我们希望你可以帮助构建Agent友好的上下文检索系统，提升企业级Agent对人类工作中的会议、群聊、文档等上下文的使用效率和效果。
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。
1.围绕演出业务重点项目、关键节点策划并实施传播方案，打造有影响力的传播事件。 2.主导舆情管理和应对。提前研判风险、处置突发舆情、快速制定应对方案、降低负面影响。 3. 与其他团队进行跨部门协同，共同推进、把控传播节奏与效果。定期输出行业分析与复盘报告，优化传播策略。
1、洞察 MaaS 业务内经营管理、资源分配平台的痛点和数据需求，解决跨领域的海量数据打通、关联、权限等问题，负责跨域数据产品的设计并推动落地； 2、深入业务和产品团队，结合业务场景，并联动数据中台各类资源，完成指标体系、，输出面向产品线的数据产品设计方案并落地实施； 3、负责面向业务场景的智能数据产品，包括智能找数、智能查数、智能分析等的规划与设计，结合业务实际需求输出可落地的产品方案； 4、有数据敏感度，能够利用数据工具，随时跟进产品的运行分析，持续优化；保证所负责的产品最优用户体验。
1、搭建评测体系：设计 AI 应用的评估体系，搭建评测流程和功能，包括评测标准的制定、评测Agent建设、评测的数据集建设、评测结果标注，保证评估结论及时准确产出； 2、业务场景分析：了解主流 AI 应用产品的业务流程和场景，对如何构建一个有效的评测集有深刻的理解和应用； 3、评测结果分析：分析和解读评测结果，提出提升模型能力和应用体验的产品设计建议； 4、研究评测方案：跟进和调研行业最新评测研究和报告，结合实际应用场景，更新内部评测技术方案； 5、行业产品调研：及时了解和分析 AI 业界各类产品和技术发展动态，辅助判断未来发展趋势。
1、协助团队负责人，开展核心财经科技、地域媒体日常沟通、接待、项目管理工作。 2、制定有针对性的媒介维护策略，协助媒体完成采访，妥善执行各项传播动作。 3、制定舆情预案，牵头舆情应对，有效维护公司声誉。
1、配合主美参与制定游戏场景风格，输出场景/关卡地编制作目标效果、模版和规范； 2、场景灯光及渲染氛围营造，把控整体场景综合视觉表现效果； 3、协助技术美术及程序，制定出符合需求的材质效果，推进各类场景的制作规则，以及项目需要的性能优化，保证视觉效果和游戏性的同时不断优化场景内的美术资源来提升性能； 4、研究引擎功能模块，协助团队成员完成场景编辑出现的各类问题。
1、负责艺人的宣发工作，包含艺人宣传策略的制定、执行及效果分析； 2、能独立策划活动，并协调资源落地； 3、维护媒体关系，针对艺人或作品，独立策划并执行定制化宣传方案。
主要负责 TokenFoundry 大模型训练平台建设，为大模型训练提供稳定、高效、弹性的 AI Infra 基础设施。你将参与新一代大模型训练平台的架构演进，支撑大规模分布式训练任务编排、异构集群资源调度、训练容错与弹性恢复等核心系统，持续提升研发效能与算力利用率。 主要工作职责和挑战 1. 训练任务平台设计与研发：负责分布式训练任务的提交、编排、调度、可观测性与全生命周期管理系统的架构设计及核心代码实现。 2. 大规模资源调度引擎：设计并实现面向异构集群的资源调度策略，涵盖拓扑感知调度、抢占式调度、优先级队列及多租户配额管理等能力。 3. 平台化与产品化：快速迭代平台产品能力，支撑大模型研发迭代对训练基础设施的能力需求。 4. 技术攻坚与前沿探索：跟踪 AI Infra 及训练调度领域的最新进展，推动技术方案落地并持续优化系统性能。
通过技术创新支持阿里集团大模型研发快速迭代，参与从数据生产、训练到评测的大模型研发全流程，主要工作内容和挑战如下： 1. 建设大规模数据生产和评测的Agent基础设施，增强大模型在Coding&Agentic等领域的能力。 2. 结合后训练框架，优化强化学习效率，实现高效的大规模Agentic RL。 3. 将成熟的系统与算法成果发表于学术会议，并回馈开源社区（如ROCK和ROLL等），持续提升在学术界与产业界的影响力。
