共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于： ● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案； ● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化； ● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能； ● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化； ● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离； ● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。
Elasticsearch 作为全球先进的开源搜索与分析引擎，广泛应用于日志分析、安全风控、AI 搜索等关键场景。阿里云 Elasticsearch 是与 Elastic 官方深度合作的托管云服务，已服务阿里集团核心业务及多行业头部客户。 我们同时推进三条产品主线： ● 云原生 PaaS & Serverless：支持全球25+区域用户，构建多可用区容灾、自动化集群编排、亚分钟级弹性伸缩与智能资源调度能力，为企业级工作负载提供高可用运行底座；Serverless 形态支持按需按量、秒级启停、免运维的全托管体验，帮助用户显著优化 TCO。 ● Agent Ready： 通过 ES Agent、分层 Skills 体系与 CLI 工具链，让用户和 Agent 能高效地使用和维护搜索产品，系统性降低 MTTR、缩短 TTV。 ● Agent / AI Native： 将 Elasticsearch 打造为 Agent 生态的原生基础设施——覆盖 AI 搜索引擎层、企业级可审计搜索能力层、记忆 Agent 层。 主要职责： 云原生 PaaS与Serverless平台：设计和持续优化集群全生命周期管理（创建、变更、升级、迁移、弹性扩缩容效率、多可用区容灾编排）；研发智能资源调度与资源池底座，实现资源精细化管理与成本优化；构建 Serverless架构，实现秒级冷启动与按量计费；推进容器化、GitOps、可观测性等云原生底座持续演进。 Agent Ready 产品体系： 落地 ES Agent、分层 Skills（管控运维 / 编程 / 解决方案 / 场景化分析）及 CLI 工具链；推动系统 API 和可观测数据适配 Agent 消费；协同 Elastic 官方完成 Skills 转换上线。 Agent Native 基础设施与智能运维： 构建面向 Agent 生态的多层搜索能力与记忆 Agent 层；研发集群巡检、智能诊断、自动变更编排与自愈能力，结合 LLM Agent 降低 MTTR；推动落地 AI Coding Agent 主导的研发流程，大幅提升研发效率。 加入我们，你将： ● 主导设计高可用、极致弹性的云原生搜索平台，服务近万企业用户； ● 亲手打造 Agent Ready + Agent Native 的下一代云产品范式； ● 践行 AI Native 研发，以 AI Coding Agent 重塑开发流程； ● 与 Elastic 官方及阿里顶尖技术团队深度协同。
1. 参与大数据+AI一体化产品MaxFrame的设计、开发与技术演进，支撑阿里集团内部和公有云上的Data+AI一体化计算场景； 2. 能够独立完成项目需要的系统分析、设计，编码，测试和上线部署任务，确保项目的进度、质量和稳定性要求； 3. 技术基础扎实，沟通和团队合作流畅，熟练使用AI工具，乐于分享，能够积极参与团队中的设计评审和代码评审工作，并能给出相关改进建议； 4. 有一定的技术前瞻性，可以对平台演进中的技术需求(如异构集群的数据处理加速)进行预研和设计，满足对大数据+AI平台快速发展过程中，对各项业务场景的客户需求； 5.该职位涉及值班响应的职责，在服务级别协议（SLA）时间内做出对客响应，推动客户问题的解决，改善客户体验。
1. 负责自研 OLAP 引擎的核心架构设计、研发与性能优化，覆盖查询优化器、执行引擎、存储引擎等关键模块；结合不同芯片架构与硬件特性，开展向量化执行、CPU 指令集、SIMD、内存访问、并发模型、NUMA、I/O 路径等底层优化，保障引擎在 x86、ARM 及国产化芯片环境下的高性能、稳定运行。 2. 面向 TPC-H、TPC-DS、SSB、ClickBench 等行业标准基准测试，持续建设性能评测与优化体系，推动引擎在复杂查询、吞吐能力、资源效率等方面保持业界领先水平。 3. 深入理解用户核心业务场景，抽象可复用的引擎能力，持续提升系统的通用性、稳定性与性能表现，打造相较主流开源 OLAP 产品的差异化竞争力。 4. 探索 AI 在数据引擎研发与运行时优化中的落地场景，包括研发提效、Benchmark 分析、性能问题定位、执行计划诊断、Workload / Query Pattern 识别、智能调度、资源预测、参数调优等方向，推动引擎从经验驱动优化向智能化、自适应优化演进。 5. 跟踪数据库、OLAP、云原生数据分析、AI for DB / AI for Engine 等领域的前沿技术，探索查询优化、向量化执行、存储格式、索引加速、资源调度与智能优化等方向的演进机会，持续提升产品技术竞争力。
1. 参与大模型推理系统的架构设计与开发，包括推理网关、请求调度、流量路由等核心模块的建设 2. 负责推理引擎（vLLM/SGLang等）的深度优化与定制化开发，提升推理吞吐与延迟表现 3. 参与PD分离（Prefill-Decode）架构的设计与开发，优化Prefill与Decode阶段的资源分配与协同调度 4. 负责KV Cache存储与管理系统开发，包括KV Cache迁移、共享、淘汰策略的设计与实现 5. 参与模型分发系统开发，支持大模型在多节点间的高效分发与加载 6. 基于线上监控与用户反馈，持续优化推理链路的性能、稳定性与成本效率
1. 参与SQL引擎性能优化，深入分析线上业务SQL执行特征，定位性能瓶颈并设计针对性的优化方案。 2. 负责SQL引擎控制链路的架构优化，设计和实现全链路Cache、异步化改造等方案，提升查询性能与系统稳定性。 3. 参与SQL-AI融合能力建设，实现大模型、Agent与SQL引擎的集成方案，推动Data+AI场景落地。 4. 参与SQL引擎与GPU等异构资源的适配开发，实现向量检索、多模态数据处理等新能力。 5. 支持SQL引擎线上业务，排查疑难问题，完善可观测性建设，持续提升系统稳定性和用户体验。 6. 跟踪大数据与AI融合领域的技术动态，参与关键技术预研与原型验证。
1. Overseas Big Data & AI Market Insight and Competitive Analysis • Identify market opportunities, assess market capacity, and analyze the competitive landscape for Big Data and AI products in overseas markets. • Analyze core metrics, market strategies, and pricing models of international competitors. • Rapidly capture emerging market trends and customer pain points to uncover business opportunities, accelerate solution deployment, and establish a leading competitive edge. 2. International Business Opportunity Assessment and Deep Technical Engagement for Big Data & AI Products • Represent the product line in designing international business strategies and evaluating commercial opportunities for Big Data and AI products. • For complex project requirements, collaborate with sales teams to conduct deep technical exchanges with customers. Leverage insights into industry trends and technological shifts to guide key decision-makers in specific technical scenarios, thereby facilitating opportunity conversion. • Conduct in-depth technical discussions and present product solutions to international clients and English-speaking stakeholders. 3. Solution Design and Technical Support for Big Data & AI Products • For complex projects, thoroughly understand customer business needs, functional/non-functional requirements, performance, and availability standards. Based on specific customer scenarios, deliver technically competitive, feasible, and cost-effective product combination solutions. Provide technical support during product selection, Proof of Concept (PoC), and quotation configuration. • Extract key technical indicators based on customer business scenarios to formulate leading control criteria, validating them through PoCs, win-back initiatives, and other business activities. • Drive cross-team collaboration to optimize solutions for complex projects, enhancing competitiveness across multiple dimensions including cost, performance, and stability. • Explore solutions and scenarios for innovative products to accelerate market coverage and ensure sustained product innovation vitality. • Provide critical post-sales technical Q&A for key accounts, leveraging technology to drive business growth. 4. Product Design and Optimization Support for Big Data & AI Products • Leverage deep understanding of industries and scenarios to participate in the design of major product features, pricing strategies, and user experiences, ensuring the product maintains leadership within specific sectors and use cases. • Identify and precisely distill common customer needs and pain points to feed back into product design, driving product improvements, multi-product integration, and the incubation of new products and features. 5. Best Practice Accumulation and Enablement • Consolidate best practices for niche scenarios; selectively output Infrastructure as Code (IaC) scripts. Summarize benchmark success stories from project implementations to extract common modules and standardize capabilities, accelerating the scaled replication of product solutions. • Highlight product features and performance parameters, designing targeted test cases to amplify product and technical influence. Build solution competitiveness grounded in robust test cases and testing methodologies. • Contribute to the development of Go-to-Market (GTM) materials for Big Data and AI products, co-create joint solutions with partners, and provide enablement training for sales teams and ecosystem partners.
1. 生态渠道运营：主导阿里云大数据AI平台的生态渠道运营与增长策略，覆盖多模态数据处理、模型训练、模型推理到AI搜索的全栈AI能力，联动生态伙伴推动大数据AI产品规模化落地 2. 技术布道与能力建设：面向一线 SA 进行产品方案布道，面向客户开展技术 Workshop，推动客户理解和采用阿里云计算平台大数据AI产品解决方案 3. 重点项目攻坚：深度介入重点客户项目，包括：需求诊断与方案定制、技术选型咨询、PoC 设计与验证、竞品方案对比分析等 4. 技术前瞻与产品反馈：持续跟踪 Data+AI 在生态领域的技术发展趋势，输出竞争分析与趋势洞察，反哺产品迭代 5. 与公司各部门沟通协调，整合内外部资源，达成目标及结果
1、对所负责的互联网大客户的业务结果负责。全面了解客户的业务架构、技术架构、组织架构等情况，识别和挖掘客户需求，能与客户CXO级别对话，影响客户决策，推动商机转化，拿回业务结果，实现客户价值。 2、传递阿里云产品和技术价值。基于对客户的了解以及对市场和友商的了解，能够独立与客户沟通适配的阿里云产品和解决方案，清晰传递价值和竞争力。 3、有效整合公司内外部资源，对外推动客户采用和持续使用阿里云的产品和方案，对内推动产品解决方案和流程体系的优化，实现客户体验提升，持续位客户创造价值。 4、做好客户全生命周期的业务支持和服务，保障客户满意度。
负责Token Foundry大模型训练平台的产品规划与建设。深入算法训练场景，整合底层基础资源，提升训练任务的运行效率、稳定性和资源使用效率。 1. 负责大模型训练平台的产品规划与迭代，制定产品方案和版本计划，并对交付结果负责。 2. 深入大模型训练过程，识别任务运行、资源使用和研发效率等方面的问题，形成可落地的产品方案。 3. 将不同算法团队的训练需求抽象为标准化、可复用的平台能力，推动平台规模化服务算法研发。 4. 协同算法、研发及基础设施团队，协调资源并推动项目落地。
我们协助企业做AI转型和应用落地，倡导数字员工理念，让 Al Agent 作为数字员工真正融入企业组织-能被调度、会协作、懂业务、有记忆，从底层重构企业与 Al 协作的方式。我们构建了一套人机协同组织的基础设施：Agent 在这里被孵化、注册进组织、与真人自主组队协作，打造AI应用和自主进化的新范式。 1. 面向客户以AI coach身份提供创新的大模型AI应用方案，并进行落地验证，为客户提供面向AI应用落地的全栈技术支持。 2. 主导或参与客户的AI Agent（AI数字员工）技术栈设计，并基于阿里云系列AI平台产品进行工程搭建、算法调优和实施落地 3. 基于客户实际问题提供大模型技术支撑和优化，包含不限于模型后训练、应用指令和工程优化，并进行必要的AI应用落地开发，包括逻辑推理、生成创作、代码生成等 4. 针对客户日常大模型工具链提供技术支持，参与客户AI相关产品使用及模型调优
1. 负责百炼平台后训练技术架构设计与性能优化，建设 LLM/MLLM 及 AIGC (DiT) 场景的生产级微调与对齐能力。 2. 负责十亿至万亿级参数模型分布式训练的工程落地，定位计算、显存、通信与系统瓶颈，提升 MFU 并降低训练成本。 3. 主导数据管线（数据合成、效果评测、数据回流）与高鲁棒 Rubric/Reward 体系的架构设计与开发，牵引模型持续迭代。 4. 负责分布式训练容错及弹性架构，优化端到端后训练性能与稳定性，保障生产级 SLA。
1、转化链路运营：负责海外票务平台站内「访问—商品浏览—下单」核心转化链路的运营与优化，以浏览转化率为核心目标。通过持续的数据监测与归因分析，识别流量分发、商品呈现、导购路径等关键环节的流失因素，制定并推动转化提升方案落地。 2、指标体系与经营分析：搭建并维护平台转化运营指标体系（浏览转化率、商品页渗透率、跳失率、单 UV 价值等），建立常态化的数据监控与经营分析机制，以数据洞察驱动商品组织、内容导购与运营策略的持续迭代。 3、商品与内容协同增长：协同商品运营与内容团队，围绕全球热门演出及体育赛事供给，从转化视角优化商品组织、信息呈现与导购动线；结合 SEO 与 AIGC 内容策略，提升站内外流量获取效率与转化表现。 4、增长专项与跨部门协同：主导平台级增长专项及重点项目的转化运营，协同产品、技术、市场、商务等团队推进需求落地，对运营结果负责。 5、流程与工具建设：沉淀转化运营方法论与标准作业流程，提出后台工具自动化、智能化升级需求，持续提升运营人效。
客户贴身技术服务 • 技术问题处置：持续关注并分析客户用云技术问题，通过对客户业务的深入理解协助客户完成技术案例的快速高效处置。 • 需求追踪：在各行业结合客户业务场景和云产品使用情况，对客户使用情况和需求进行正确分析，挖掘真实产品需求并协助产品持续优化。 稳定性支持与保障 • 应急保障：重大故障问题的应急处置，协助业务快速恢复，故障逃逸等保障工作 • 风险巡检：针对客户使用云产品，进行使用负载，业务容量，风险事件，变更通知等巡检 • 主动服务：结合客户云上业务，制定关键架构监控和告警方案，实现智能监控和预警，提升客户的业务效率和用户体验。 • 全链路评估：对客户业务全链路调用评估，结合业务调用的云上/云下一体化风险评估，关键链路使用建议和风险提醒 • 高可用演练：围绕架构高可用方向，配合客户进行极端场景的高可用演练，模拟故障场景，演练业务逃逸实施并参与总结 • 活动护航：客户重大业务高峰活动护航，包括活动业务架构梳理，前置产品风险巡检，性能压测，故障演练，驻场保障等 云上业务治理与优化 • 用云优化：对客户新产品选型、产品使用方式、支撑行业最佳实践方案，规避通用行业客户使用误区，提炼围绕客户的最佳用云实践方案 • 云上资源管理：协助客户进行云上资源管理，业务资源使用率分析、容量管理和弹性伸缩方案保障 • 卓越架构支持：围绕卓越架构目标，对安全合规、稳定性、成本优化、高效性能方案等全方面优化工作支撑 服务保障 • 服务管理：为客户在云上使用过程中制定合理的服务及交流渠道，提供线上，现场，多项目多部门关键人员的服务交流方案支持，确保关键事件及重点项目的进展信息有效性，推进项目进展顺利落地。 • 项目支持：在客户使用云产品期间根据需求提供多样化的技术保障专项，并结合云产品特性和客户使用情况制定对应技术方案执行路线，保障技术专项的有效交付。 • 满意度保障：为企业客户满意度负责，从问题快速解决到项目平稳交付，并持续提供有效的云上使用建议和稳定性保障方案整体提升客户用云满意度。
1、智能体与智能经济研究： 密切关注全球AI产业发展方向，结合国际与国内政策与法律环境，围绕“智能经济”下，智能体的发展趋势、与软硬件的结合、在不同产业领域的渗透和影响、相应的测度体系，以及商业模式、就业、教育、组织等延伸领域，产出具有洞察力、影响力和指导力的产业趋势与政策研究成果。 2、政府事务支持： 支持集团公共事务部面向政府事务的专项课题的开展以及专题文章的编写工作，需熟悉国内外AI相关政策法规，能够为政府沟通、政策解读、技术发展和合规建议提供专业支持。 3、跨团队协同： 协同各业务团队与研究团队，开展课题方向探讨与内容协同编写工作。 需具备良好的跨部门沟通能力，能够协调多方资源，推动研究与业务的深度融合。
1. 负责对接立法、司法等政法相关部门，建立和维护日常沟通关系； 2. 跟踪电子商务、平台经济、人工智能、数据治理、网络治理等领域的法律法规，做好政策研究和风险研判； 3. 围绕重大政策议题，撰写政策建议、汇报材料、调研材料和相关建议； 4. 参与重大公共议题和突发事件应对，协助做好情况梳理、沟通协调和风险化解。
1、基于飞猪酒店业务，进行高星酒店业务拓展，保证所辖区域高星酒店覆盖率； 2、结合阿里生态&市场特性为高星酒店客户提供运营方案，帮助商家提升运营能力并驱动销量持续提升，与所辖区域商家并建立深度业务合作关系； 3、协同产品、运营团队，推动业务及项目落地，持续优化用户体验。
面向北京地区的科研院所、实验室、国企、中小企业等重点客户，承担MaaS（大模型API、AI编程、AI办公、智能体等相关产品）的销售任务，推动阿里云AI产品与解决方案在北京市场的规模化落地。需要在销售早期介入客户规划，帮助客户将AI能力转化为可立项、可预算、可采购的业务方案，完成利润、GAAP收入及MaaS业务的多维目标，并为阿里云AI战略储备关键客户与技术资产。 岗位职责 1.承担MaaS销售指标：负责大模型API、AI编程助手、办公智能体、行业智能体等MaaS产品及服务的销售拓展，完成既定的利润、GAAP收入与MaaS业务量目标。 2.开拓重点政企客户：聚焦北京地区的科研院所、实验室、国企、中小企业等等核心客户，前瞻识别其在大模型、智能体、AI生产力替代等领域的业务机会。 3.高层对话与ROI呈现：能够向客户决策层（C-level/业务高管/技术高管）精准解析阿里云AI技术优势，呈现具有说服力的投资回报率（ROI）分析，加速商机转化与合同签署。 4.整合生态能力：整合阿里云内部及外部ISV/集成商生态，攻克AI落地中的关键挑战，沉淀面向国企、科研、运营商等场景的可复用行业解决方案与最佳实践。
1. 负责数据中心典型应用（如Nginx、Redis、Spark/Flink、多媒体、大模型等）的性能分析与优化，结合公司CPU架构特点（如指令集、缓存、多核调度等），制定针对性的优化方案并落地实施，提升应用在公司CPU平台上的运行效率与稳定性 2. 参与行业解决方案的设计与构建，联动硬件团队、产品团队，将应用优化能力整合到解决方案中，支撑互联网、政企等关键行业客户的数字化转型需求 3. 跟踪行业前沿技术趋势（如新型应用框架、虚拟化/容器技术等），开展技术预研与验证，将先进优化方法与工具引入团队，提升团队整体技术能力 4. 撰写应用优化案例、技术白皮书、最佳实践指南等文档，配合市场与销售团队开展技术推广、客户赋能等工作
1.组织集群各种规范标准、技术优化、⻛险等评审会议，并做好相关记录； 2.跟进全国规范标准、技术优化、⻛险排查的落地进度，并及时推动落地； 3.审核并优化暖通专业系统的SOP/EOP/MOP/SCP⽂件及巡检表单、维护计划、维护内容、演练计划与⽅案等⼯作内容； 4.开展PUE、WUE专项治理⾏动，下发并落实节能调优策略； 5.负责数据中⼼运⾏数据的分析、设备运⾏参数设定指导； 6.节能优化提⾼设备的综合效能、采取有效措施提升设备保障能⼒； 7.对在运⾏数据中⼼出现的暖通问题进⾏故障定位，根因分析并在技术上⽀撑问题快速解决； 8.及时总结复盘并横向拉通进⾏经验分享，更新相关运维标准、规范等。
1、负责医疗妇产专科行业商家，在高德APP上效果类广告及展示类广告的合作拓展，提升合作商家的品牌曝光及经营效率； 2、通过商家的广告投放需求，围绕平台产品进行规划，输出广告营销方案及策略，从而提升合作商家的营收； 3、有较好的KA商家品牌广告攻坚能力，在全国范围内能联动团队也能独立拓展KA商家，持续挖掘行业内KA商家效果类广告及展示类广告商机； 4、能够针对KA客户进行广告推广的方案策划和投放策略支持，能从整合营销、策略规划、投放数据分析、投放复盘等进行全链路营销支持；
1. 参与游戏服务器功能设计、开发、工具代码编写等。 2. 实现游戏逻辑，包括但不限于战斗、AI、经济、社交、匹配、背包管理等系统。 3. 协助优化服务器性能，解决内存、CPU、网络带宽等问题，保障高并发下的服务稳定。 4. 协助运维团队进行服务器部署、扩容和故障排查。 5. 参与高并发、高性能的游戏服务器架构设计与改进，确保系统具备良好的伸缩性和容错能力。 6. 技术攻关： 解决开发和生产环境中遇到的各种有一定难度的技术挑战。
1、负责Agentic大模型相关算法开发与优化，开发性能达到业界sota的Agentic大模型并能在实际业务场景中应用落地 2、针对Agentic模型的训练特点，探索Agentic数据的合成策略与后训练数据配比策略，探索稳定高效的Agentic RL 方案，持续迭代模型在Agent场景的应用性能 3、探索创新Agentic RL算法，撰写发表创新论文或技术报告，参与模型开源，和社区、学术界保持良好的交流。
1、负责所辖区域的电销服务商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、协助服务商搭建电销团队、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，拿到商业化结果，帮助服务商盈利； 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。
1、基于目前高德开放平台的服务能力及标准服务产品，负责客户商务合作推进及落地； 2、 具备行业敏感性，对不同行业需求进行系统化梳理和客户痛点挖掘的能力； 3、通过对客户需求的准确把握，整合高德开放平台产品及服务资源向客户提供解决方案，完成测试、开发、洽谈、商业谈判及合同签署的链路流程； 4、深挖市场及客户需求，推进开放平台产品的迭代优化，推动产品商业化进程； 5、主导客户全生命周期的合作及交付；
1. 对核心场景的 Agent 效果负责。负责Agent从用户提出业务问题到交付最终产物全链条端到端的任务成功率，识别关键短板，并主导优化。 2. 建立并持续优化场景Agent的评估体系，包括成功率、稳定性、成本等，并与线上真实用户反馈联动，对业务改进形成有效机制。 3. 配合高德体系数据和既有的GIS领域工具能力，通过构建数据语义、证据链等方式，提高Agent应用的准确性、稳定性和可解释性。 4. 结合业务场景，研究垂域Agent 在编排、上下文管理、记忆、Skill和工具使用、自进化、模型协同调优等方面的算法方案和效果调优。 4. 持续跟进前沿技术，沉淀领域能力，支撑Agent在垂域构建领先业界的影响力。
负责开发/维护适用于数据中心CPU场景中的编译器、JDK等相关产品，充分利用CPU特性，提升产品在关键应用场景下的适用广度和性能指标。 在这个岗位上，你可能会接触到最新的CPU架构与微架构流水线方案，通过和CPU芯片设计团队和商业化落地团队的紧密协作，交付具有竞争力的高性能数据中心CPU产品解决方案。
1. 端到端项目交付：负责音乐大模型评测/标注项目的全流程落地——需求拆解、方案设计、排期推进、验收交付。 2. 评测体系搭建：建立 "评测哲学 → 维度框架 → 打分细则 → 评测集 → 报告模板" 的完整链路，沉淀可复用的方法论。 3. 标注规则与 SOP：编写大型标注规则文档，设计标签 schema，定义边界 case 判定规则，把专业判断翻译成标注员看得懂的 SOP 和样例。 4. 团队与供应商管理：管理内部评测/标注团队及外部供应商，统筹排期、产能、分工与绩效考核。 5. 质量管理：建立质检、一致性（如 Kappa）与验收机制，对数据交付质量负责。 6. 数据分析与洞察：基于评测结果设计实验、判断显著性，输出结构化洞察与产品改进建议。
1. 负责云桌面管控平台的整体架构设计，涵盖资源、认证、用户、存储、镜像、应用及Agent等全维度管控能力的建设与优化，重点推进Agent管控技术体系的规划与落地； 2. 负责云桌面及Agent资源管理体系建设，完善资源的纳管、编排、调度、分配、回收、配额及生命周期管理能力，提升资源利用率与交付效率； 3. 负责云桌面场景下网络管控能力建设，推动网络配置、连通性管理、访问控制、隔离策略及相关网络能力的统一管理与持续优化； 4. 负责云桌面产品售卖、订购、计费及账务相关能力建设，支持多种售卖模式、计费策略及业务规则落地，提升产品商业化支撑能力； 5. 主导Agent管控平台及关键技术难题攻关，持续进行性能优化、成本治理、架构升级，保障系统在超大规模下的高可用性、稳定性以及对海量Agent的高效管控能力； 6. 探索AI技术与Agent技术在云桌面场景的落地，推动智能Agent、Agent管控及管控系统智能化升级，实现产品的AI化转型。
关于这个岗位 我们在为开放平台业务部寻找一位国内 KA 销售，负责以手机行业为主的头部客户，以及阿里集团内客户的商务拓展与长期经营。你将独立承接一组核心 KA 客户，为这组客户的年度合同额与收入直接负责，并保持业务健康、可持续地增长。 这是一个背 quota、对结果负责的销售岗位——不是售前、市场或不背指标的 BD。做得好的标志很清楚：核心客户零流失、商机管道持续健康、年度合同额/收入目标达成。 你要做成的事 守住并做大存量客户盘。 承接一组手机行业 KA 及集团内客户，维护关系、深挖需求，把单个客户的合同额与合作深度一年年做上去。 持续开出新的商机管道。 主动挖掘手机厂商、运营商、渠道方的新合作机会，让管道健康、可预期，而不是靠单笔大单撑场面。 为数字负责。 对所辖客户的年度合同额、收入等关键指标负责，能自己拆目标、排优先级、把控节奏。 在复杂关系里推进签单。 面对客户内部多方决策、集团内跨 BU 协调，推动商务谈判与合同落地。 达成这些，最关键的三件事 1，签得下大单。 有可验证的 B 端签约/回款/合同额增长成功案例，能独立主导从商机到签约回款的完整链路。 2，懂手机行业、有资源。 熟悉手机厂商/移动终端的业务逻辑与决策链，手上有可迁移的厂商、运营商、渠道关系。 3，扛得住指标压力。 习惯背硬性合同额/收入 quota，能在压力下稳定交付，而不是回避数字。
