共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
1. 挖掘大模型弱点，持续快速构建覆盖各项模型能力的评测数据集，探索可靠、具有可扩展性的评测方案。 2. 参与 LLM-as-a-Judge 方案构建，训练 LLM Judge / Reward Model，建模人类偏好并提升长尾任务的评价准确性。 3. 参与 Reward System 构建，设计 Reward Signal、合成对应数据，并通过 RL提升模型的能力上限。 4. 参与开发 Evaluation、Reward System 所需工程框架，简化各类测试任务和模型集成流程，帮助提高团队效率。
网络安全是大模型 Agent 能力的重要应用场景，也是检验和提升模型能力的重要方向。我们致力于提升模型在网络安全任务中的表现，推动大模型在智能安全领域的研究与应用。 1. 参与模型在网络安全方向的后训练与强化学习，提升模型完成安全任务的能力。 2. 构建网络安全任务的训练环境和评测环境，包括网络安全靶场、漏洞复现、补丁验证、攻防演练等。 3. 探索网络安全任务中的有效训练方法，推动模型能力在真实网络场景中的持续改进。
本职位为ModelScope魔搭平台与社区等技术产品岗（TPD），负责ModelScope魔搭技术生态的产品设计，覆盖魔搭站点、服务以及开源技术生态等全方面。候选人将与魔搭技术研发团队、以及运营团队等紧密合作，同时与相关模型算法团队密切沟通，共同把握魔搭技术发展发向，确保魔搭技术生态整体健康发展。在这个过程中，候选人将深入洞察开发者需求，并结合横向竞品分析等方式，围绕开发者社区核心价值，设计相关产品功能。 日常工作包括，梳理魔搭平台与站点(modelscope.cn)功能，设计后转化成具体产品PRD文档，并进行工作项拆解，与研发团队对齐研发和上线节奏；与研发团队共同设计魔搭开源生态工具链接口以及在平台上实现服务化的对接设计；明确平台与底层云基座之间的交互协作，确保云平台对于魔搭的支撑；等等。
世界模型方向高P，业务场景不局限于地图和具身，你将站在AI技术浪潮的最前沿，将世界模型技术转化为亿级用户可感知的产品价值。
我们正在寻找一批具备强烈成长意愿与一线实战潜力的优秀人才，加入公司门店管理梯队培养计划。作为未来门店的核心管理者，你将通过系统化轮岗、实战带教与专项任务，快速掌握门店运营、团队管理与经营分析等关键能力，并在6个月内成长为独当一面的储备店长。 你将参与： • 门店日常运营管理，包括排班、服务标准执行、库存与损耗管控； • 销售目标达成与业绩提升策略落地，关注人效、坪效等核心经营指标； • 团队带教与员工激励，打造高效协作的一线作战单元； • 基于数据洞察优化顾客体验与运营流程，推动门店持续改进； • 参与新店筹备、重点促销项目等跨部门协同任务。 本岗位为公司重点人才培养项目，提供清晰的晋升通道、专属导师辅导及有竞争力的薪酬发展体系。
• 参与设计公共云行业云客户在不同CPU下的业务迁移工作，解决产品迁移涉及到的软硬件技术问题，面向客户提供一揽子迁移解决方案。 • 参与设计和实现云产品在不同CPU体系下的性能调优和应用迁移技术方案，提供给客户统一的云平台的使用体验。包括灰度迁移，性能优化，跨平台多产品组合方案，功能对齐等能力。 • 负责协同销售团队完成客户迁移计划的制定，实施方案的制定和实施，有良好的企业级客户服务经验和服务意识，具备复杂项目端到端技术解决方案设计和落地的能力。
1、负责阿里妈妈广告系统中多阶段的拍卖机制设计和分配策略升级。 2、通过LLM、预估模型、强化学习等前沿技术，对全链路多阶段的算法模块优化，实现场景流量效率的提升。 3、通过冷启动、人群定向等策略等优化广告主投放体验，通过负反馈、多样性等策略优化消费者体验。 4、参与广告算法和系统的架构设计，研发支撑大规模工业级算法迭代的解决方案和基础设施。
1.负责游戏产品内部灯光的设计和实现，以创造出逼真、富有氛围和沉浸感的游戏世界； 2.使用游戏引擎和相关工具创建灯光效果，包括动态灯光、静态灯光、全局光照、阴影等，以改善游戏的视觉质量； 3.与艺术团队、关卡设计师和程序员密切合作，确保灯光设计与游戏的整体风格和目标一致； 4.调整和优化灯光效果，以提高游戏性能和视觉效果； 5.制定灯光规范和流程，以确保灯光设计的一致性和游戏灯光的高质量。
1.高表现力语音合成系统开发： 负责淘宝直播数字人的TTS系统研发，重点突破多情感、高表现力、极具电商直播感染力的语音建模，实现语速、重音、情感的动态可控； 2. 全双工交互系统构建： 设计并实现数字人全双工语音交互架构，包括语音活动检测、打断唤醒、交互逻辑控制等，提升数字人在直播场景下的即时互动感； 3. 端到端交互大模型研发： 参与并研究应用端到端语音大模型，探索流式语音输入与输出的深度融合，解决传统级联模型的语义割裂与延迟问题； 4. 极致性能优化： 针对直播实时性要求，优化语音全链路延迟，从模型压缩、推理加速到流式处理，保障低延时体验； 5. 场景化落地： 与产品和工程团队紧密配合，将全双工交互技术应用于直播间智能导购、等业务场景，提升用户留存与转化；
1. 多模态Pre-training：开展研究及进行实验。研究内容包括：数据清洗与筛选、数据配比优化、课程学习、视觉语言模型结构设计与优化、训练策略优化、预训练数据合成、scaling law预测、词表优化、模型蒸馏与压缩、长上下文能力优化等。 2. 多模态Post-training：迭代Post-training训练策略（SFT/RLHF），专项能力数据迭代，参与模型能力评测及评测数据和评估标准的迭代。 3. 多模态推理和通用Agent：通过强化学习（RL）持续提升多模态模型推理能力和执行任务能力，打造多模态的Test Scaling Laws，并推动模型对网络和虚拟世界的交互和任务完成能力。 4. 统一理解生成：构建视觉统一理解生成大模型，推进多模态统一生成与理解的推理和交互新范式。
1. 用户偏好采集与建模：设计并构建系统化的用户偏好数据采集方案，深入分析用户行为与反馈信号，建立多维度、可扩展的用户偏好表征与建模体系，为 Reward Model 训练提供高质量数据基础。 2. Reward Model 训练与优化：训练高精度、低偏差的 Reward Model，覆盖创作质量、指令遵循、安全对齐、人类偏好等多个专项维度；持续优化训练策略，有效缓解 Reward Hacking 与分布偏移问题，为下游 RL 训练（PPO / GRPO 等）和用户偏好评测提供可靠的奖励信号。 3. 用户反馈分析与 Badcase 聚类：建立从线上用户反馈到模型迭代的闭环机制，利用聚类、归因分析等方法系统性挖掘 Badcase，定位模型能力短板与偏好盲区，驱动数据策略与训练目标的持续优化。 4. LLM Judge / Verifier 体系建设：研究并构建基于 LLM 的自动化评测与验证体系，设计可 Scalable 的 Verifier 信号，使其既能作为高效的偏好评测工具，也能作为奖励信号直接融入 RL 训练流程，提升模型迭代的自动化程度与覆盖广度。 5. 偏好对齐前沿探索：持续跟踪 RLHF / RLAIF / DPO / Constitutional AI 等对齐技术的前沿进展，探索更高效的偏好学习范式，推动 Qwen 在对齐质量与训练效率上的双重突破。
1. 负责建设面向集团各业务线的大模型评测体系，涵盖通用能力评测与业务场景定制评测，优化基于 LLM-as-Judge、自动化评测模型训练、人工评估和用户行为数据的多维度评测框架，保障评测结果的全面性和可靠性。 2. 构建多维度评测指标体系（准确性、安全性、流畅度、一致性、业务指标等），覆盖 APP 对话助手及各业务线智能体场景。 3. 深度参与模型迭代过程中的评测驱动优化，建设完整的“数据→训练→评测→反馈”的高效数据飞轮。 4. 跟踪业界主流评测方法与 Benchmark 动态，持续优化内部评测体系。
1. 音频/音视频 Agentic能力: 原生音视频Agentic/Long-horizon, 全模态Agentic/Coding不降智等。 2. 音视频理解基础能力：包括Caption, Grouding, 音视频Alignment， General QA，长视频，多音视频理解等。 3. 音频/语音理解基础能力: 包括ASR, MultiSpkASR, 语音/音频Grouding/Counting/QA，音乐理解，长音频，多音频理解等。 4. 音频/音视频Postrain/RL/OPD。 5. 音视频通话与交互：包括全音视频双工, 音频query不降智/体感优化等。 6. 语音生成基础能力: 包括音色克隆，可控性，长语音生成稳定性等。 7. 全模态模型自主优化与Self-evolving。
1. 产品规划与路线设计：深度调研不同场景下的语音AI产品需求，结合语音AI技术演进与行业发展趋势，制定语音交互产品（语音输入、语音生成、语音对话、语音同传、歌声音乐生成等）的短中长期路线图，明确核心能力优先级、场景落地顺序及资源投入节奏。 2. 功能设计与优化：主导语音AI产品核心功能的设计与迭代，包括但不限于：语音音色设计、交互体验设计、场景化功能定制，持续提升产品在不同场景下的用户体验。定义和细化语音AI模型的功能和评测体系，包括但不限于：表现力、共情、自然度等。 3. 跨团队协同与项目推进：作为语音AI产品落地的核心协调者，联动算法、工程、业务及测试团队，明确各环节交付标准与时间节点，解决跨部门协作中的技术瓶颈与需求冲突，确保产品在各场景顺利落地。 4. 行业动态与竞品分析：跟踪国内外语音AI技术与产品的发展动态（如新型算法、前沿应用场景、竞品功能与策略等），定期输出分析报告，为产品策略调整提供依据，提升公司语音AI产品的竞争力。
负责制定和推动AI技术在工程体系中的规模化应用，主导工程组织的架构升级与效能革新。以AI能力为核心驱动力，推动工程团队在技术范式、协作模式和组织形态上的系统性演进，技术创新与业务价值的转化岗位职责： 1、AI技术战略规划：制定AI技术在工程场景中的应用路线图，识别关键落地场景，推动从试点到规模化的全链路落地 2、工程架构演进：主导工程体系的技术架构升级，结合AI能力重新定义研发流程、工具链和工程标准，提升整体工程效能 3、组织能力建设：推动工程团队的能力结构升级，设计并落地AI时代下的团队组织模式、人才培养体系和协作机制 4、技术前瞻与创新：跟踪AI技术前沿趋势，结合业务场景探索创新应用，建立技术创新与业务价值的转化机制 5、跨团队技术协同：与产品、算法、业务等多团队深度协同，推动AI能力在业务全链路中的渗透和价值释放
1. 多模态产品规划与落地：负责多模态 AIGC 产品的整体规划、产品架构与能力设计，主导从 0→1 或 1→N 的产品建设与迭代，推动多模态生成技术在真实业务场景中的规模化落地。 2. 技术能力与业务场景融合：深入理解多模态大模型的能力边界与演进方向，持续挖掘高价值应用场景，将前沿算法能力转化为具备用户价值与商业价值的产品能力。 3. 跨团队协同与项目推动：作为算法、工程与业务团队之间的核心协同角色，承担“技术翻译”与“方向推动”职责。深度参与模型效果评估、能力定义与迭代策略制定，推动项目高效完成从需求、验证到上线的完整闭环。 4. 行业洞察与战略判断：持续关注全球多模态 AIGC 领域的技术趋势、产品创新与行业变化，对未来 1-2 年的技术演进与产业机会具备独立判断能力，为产品方向与战略决策提供前瞻性输入。 岗位方向 ● 视频生成模型与产品 HappyHorse ● 世界模型与交互式产品 HappyOyster ● 其他创新探索产品......
岗位职责： 1、业务场景深耕：深入业务一线，挖掘AI赋能的关键场景和突破口，主导从需求定义、方案设计到生产部署的全链路交付 2、端到端工程交付：主导AI解决方案的工程化落地，覆盖架构设计、核心代码开发、数据管道构建、系统集成与上线部署，对最终交付效果负责 3、技术方案设计：针对复杂业务场景，设计可落地的AI技术架构，在不同技术路线间权衡成本、效果与可维护性，确保方案的工程可行性 4、产品能力反哺：提炼一线交付经验，将定制化解法抽象为通用能力，推动核心平台产品的迭代优化 5、跨域技术协同：与产品、算法、业务等多团队深度协同，快速理解不同业务领域逻辑，精准定位AI赋能切入点
1. 负责音频生成大模型研发（文生音频、音频编辑、音色克隆、音效合成等），产出高保真、可控的生成方案并推动落地； 2. 研发音频理解大模型，构建跨模态（文本、图像、视频与音频联合）的细粒度音频内容描述体系； 3. 搭建大规模多源通用音频数据集（音乐、语音、环境声等），支撑模型持续迭代； 4. 推动音频大模型在业务场景中落地，解决推理效率、可控性、实时性等工程问题； 5. 跟进行业前沿，保持团队在通用音频大模型领域的技术领先。
1. 文本/图文/音频/视频数据清洗、处理流程的工程化算子实现； 2. 构建高效、可扩展的流程编排及执行引擎； 3. 构建基于海量图文数据的搜索引擎，内容检索、多模态检索、RAG及性能&效果优化； 4. 与下游模型平台的对接，相关sdk的设计； 5.构建agent平台，包括single-agent, multi-agent以及ui agent等，以更加智能化的方式支持我们的数据处理和高质量数据的生产； 6. 基于大模型、agent及我们已有的海量数据，在应用端的探索。
1. 评测体系架构设计：基于对内容安全法规、黑灰产攻击手法及大模型对抗原理的理解，构建覆盖全面、维度科学的安全评测指标体系。设计具有统计显著性的评测方法论，明确样本量计算逻辑、置信区间评估及误差控制标准，确保评测结论具备权威性与可复现性。 2. 基于训练机理的深度评测：深入理解 LLM 训练全流程（预训练数据污染、SFT 指令对齐、RLHF 奖励模型偏差），针对各阶段潜在的安全隐患设计专项评测方案。利用对模型机理的理解，设计对抗性测试用例，挖掘模型在长尾场景下的隐性安全风险。 3. 评测结论的权威化构建：建立评测结果的归因分析框架，能从模型结构、训练数据、对齐策略等技术维度解释“为什么模型会失效”，而非仅输出分数。负责撰写高质量的安全评测分析报告，提供具有公信力的安全水位证明。 4. 自动化与工具赋能：协同其它团队将评测方法论转化为自动化代码（Python），实现评测流程的标准化与规模化，但核心精力聚焦于评测逻辑设计与结论分析。
岗位角色 [中文】 你的核心使命是获取优质线索，并将其转化为活跃的 AI 用户。你将全面负责并优化全球市场（EMEA、APAC、美洲）的付费广告投放，精准触达 AI 原生开发者与企业决策者。你将依托在效果营销、受众画像及 AI 智能竞价方面的深厚专长，大化投资回报率 (ROI)，扩充销售管线，并驱动 Token 消耗量增长——同时构建一个可扩展、可衡量且符合品牌安全标准的获客引擎。 核心职责 ● 策划、执行并优化跨平台付费媒体广告，包括 Google Ads（搜索、YouTube、展示广告），以及 LinkedIn、X (Twitter)、Meta 和主流程序化广告平台。 ● 制定受众策略，利用第一方数据、意向信号 (intent signals)、技术画像 (technographics) 和 AI 驱动的细分模型，精准定向 AI 开发者、机器学习工程师、CTO 及创新业务负责人。 ● 与增长、产品和内容团队紧密协作，确保广告素材与高转化率的落地页体验（如免费试用、MVP 上线、Qwen/通义千问 接入）高度契合。 ● 管理高达每月 X 美元的预算，严格把控获客成本 (CAC)、线索质量以及 Token 激活率。 ● 搭建并完善转化追踪、归因模型和增量测试（如区域提升测试 geo-lift、保留对照组 holdout groups）。 ● 紧跟 AI/开发者营销趋势：探索并测试新兴渠道（如 Reddit、GitHub Ads、Stack Overflow）和创新广告形式（如互动广告、AI 演示单元）。 ● 每周汇报 KPI 达成情况，并提供可落地的洞察建议，持续优化从广告曝光到 Token 消耗的全漏斗表现。 The Role 【English] Deliver qualified leads who become active AI users. You'll own and optimize paid media campaigns across global markets (EMEA, APAC, Americas) to acquire AI-native builders and enterprise decision-makers. You'll leverage deep expertise in performance marketing, audience intelligence, and AI-driven bidding to maximize ROI, scale pipeline, and fuel token consumption—all while building a scalable, measurable, and brand-safe acquisition engine. Key Responsibilities ● Plan, execute, and optimize paid media campaigns across Google Ads (Search, YouTube, Display), and other platforms LinkedIn, X (Twitter), Meta and major programmatic platforms. ● Develop audience strategies using first-party data, intent signals, technographics, and AI-powered segmentation to target AI builders, ML engineers, CTOs, and innovation leaders. ● Collaborate with Growth, Product, and Content teams to align ad creative with high-converting landing experiences (e.g., free trial, MVP launch, Qwen access). ● Manage budgets up to $X/month with rigorous focus on CAC, lead quality, and token activation rate. ● Implement and refine conversion tracking, attribution modeling, and incrementality testing (e.g., geo-lift, holdout groups). ● Stay ahead of AI/developer marketing trends: test emerging channels (e.g., Reddit, GitHub Ads, Stack Overflow) and formats (e.g., interactive ads, AI demo units). ● Report weekly on KPIs and provide actionable insights to optimize funnel performance from impression to token consumption.
我们正在寻找一位后台研发工程师，加入我们的核心基础设施团队，负责支撑公司云原生向量检索服务的开发、运维与稳定性保障。该服务作为智能搜索、RAG（Retrieval-Augmented Generation）等关键业务的核心组件，承载着高并发、低延迟、高可用的线上查询需求。你将参与以下工作： 1、负责向量检索服务后端功能模块的设计、开发与持续优化； 2、保障线上服务的稳定性、可扩展性与可观测性，快速响应并修复线上问题； 3、与算法、产品及前端团队紧密协作，高效落地面向RAG、智能搜索等场景的功能需求； 4、参与服务的云原生架构演进，包括容器化部署、弹性扩缩容、服务治理、监控告警等； 5、持续提升系统性能与资源利用效率，在保证准确性的前提下优化检索延迟与吞吐能力；
岗位职责 1. 负责游戏项目美术方向的内外部管理工作； 2. 制定美术开发需求规划和详细计划，推动项目进展并定期总结。 3. 参与美术预研、验证、数据分析，推进相关流程，输出方案。 4. 负责项目外包流程，跟进外包进度、成本和质量的沟通与管理。
1、维护建立良性高效的政府关系网络，能独立协调资源应对突发政府事件； 2、根据业务规划，开展政府侧沟通及合作，落地政企合作项目，支持公司业务发展； 3、支持监管侧和发展侧政府发展专项，服务平台业务合规开展及新就业群体权益保障等； 4、负责组织、参与、协调各类政府大型活动。
我们正在打造下一代 AI 原生建站产品，让中小企业用户从注册域名到上线网站实现一站式闭环体验。 你将成为这个产品的核心负责人，具体职责包括： ● AI 建站产品设计：从海外小企业用户视角出发，主导 AI 建站产品的体验设计与持续迭代。设计"自然语言描述→AI 生成网站→一键上线"的极简建站流程，推动需求从洞察到上线的全流程闭环； ● 用户洞察与场景拆解：深入理解中小企业，尤其是海外中小企业（餐饮、美容、装修、自由职业、小型电商等）的建站需求，建立用户画像体系，识别不同地区、不同行业用户的核心痛点与使用路径差异； ● Agent 场景评测与梳理：与研发团队深度协作，梳理建站场景中的 AI Agent 应用方式（如智能内容生成、SEO 优化、多语言适配等），拆解对话式建站流程中的关键环节，识别体验瓶颈并提出可落地的优化方案； ● 域名+建站一体化体验：打通"域名注册→AI 建站→自动绑定→邮箱开通→SSL→续费管理"的全链路产品体验。
1. 参与高性能RISCV CPU原型验证 2. 阅读相关设计文档，制定 CPU 原型验证策略和计划 3. 分解原型验证测试点，基于指令发生器开发约束随机用例 4. 参与构建原型验证流程以及指令发生器开发维护 5. 执行验证计划，基于EMU平台完成用例回归，分析覆盖率，增补优化用例，达成出口标准 6. 负责bug 定位、复现与闭环，协同设计、验证、软件团队完成问题根因分析及修复验证 7. 关注原型验证技术发展，提升验证质量和效率
1、内容定调：对少儿动画市场敏感，可以对剧本提供创作指导，用AI工具将剧本拆解成可量化量产的分镜。 2、视觉定调： 利用AI探索视觉风格，通过Prompt Engineering（提示词工程）确立统一且高标准的3D美术视觉体系。 3、创作引导： 导演AI生成的镜头内容，解决AI生成中的一致性（Consistency）问题，确保角色、场景、光影的严丝合缝。 4、审美决策： 在AI产出的海量素材中进行筛选、修改与决策，赋予作品灵魂与情感深度。 5、项目决策：负责项目全周期管理，平衡AI技术边界与艺术质量，精准控制交付节点、内容质量和内容安全。 6、资产模型：辅助制片人一起建立覆盖资产、提示词和风格库，提升制作效率。 7、加分项：对儿童、教育、儿歌市场有较高了解，可以对剧本提供创作指导，基于2-6岁儿童认知、情感、社交及生活习惯（如如厕训练、分享、情绪识别、基础数色形等），用AI工具将剧本拆解成可量化量产的分镜。
1、了解一个或多个领域的业务知识，与客户有效沟通并分析客户需求，识别出AI技术的行业/领域价值场景，协助客户设计应用的智能化路径。 2、理解机器学习、深度学习、大模型、智能体的基本原理，基于云+AI的产品设计AI解决方案，与技术服务团队协同，快速搭建智能体应用场景，结合产品解决方案优势和性价比，影响客户的技术选型决策。 3、依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升AI 解决方案、算法以及工具链竞争力。 4、挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制。 5、关注最新技术趋势和行业动态，分享技术资源和经验，进行技术分析报告撰写，并与合作伙伴开展技术合作项目。
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。
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。
