共 2454 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
主导大模型「操作物理设备」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，从 0 到 1 定义模型对实验室与工业设备的感知、理解、指令映射与多步自主操作的能力边界，构建高质量、可验证、可复现、以安全为先的标注与评测数据集。本方向以设备知识/接口规范、仿真与评测为核心：实体设备数据主要依托外部合作实验室与设备厂商协作获取，而非自建数据采集场。具体包括： 1. 能力体系与标准制定：搭建物理设备操作评测体系，完成能力维度拆解（设备状态感知与理解、read/write 原语到设备动作的映射、多设备编排、多步实验/工艺流执行、实时监控与动态调参、硬件错误恢复、安全限位判断、长程自主），制定任务难度分级、标注规范、评分标准与 rubric / 金标准。 2. 数据生产与标注：构建设备知识与「参考文件」数据——将设备手册、隐性操作经验、机器特性（如机械臂负载、量程、安全边界）通过自然语言标签结构化，沉淀为可供 agent 直接消费的标准化设备描述文件（能测什么、能调什么、强制哪些安全限位），支撑 agent 操作「从没见过的新设备」；以仿真与数字孪生为核心开展数据生产，在 digital twin / hardware-in-the-loop 环境中生成、扩充并验证设备操作轨迹与失败案例，缓解 sim2real 差距；实体设备数据通过与外部合作实验室、设备厂商协作获取，而非自建采集运营。 3. 模型评测建设：设计贴近真实科研/制造流程的评测任务，覆盖仪器操作（显微镜、液体处理器、机械臂、板读仪等）、跨设备协同、标准实验流程（如蛋白测定、qPCR、设备/激光校准、剂量-反应曲线）与工艺编排；构建端到端 Agentic 物理评测与安全验证——涵盖工具/驱动调用与编排（MCP、CLI、设备 API 与设备互操作规范集成）、多轮交互、长程规划、实时控制约束、异常与硬件故障恢复；针对物理任务设计基于结果态的验证机制（实验产出校验、设备状态回读、碰撞/超限检测），并把安全边界与不可逆风险评估作为一等公民，推动任务从「单条指令」向「复杂真实物理场景」演进。 4. 质量管控与质检：建立查重去污、难度标定校准、双标注一致性校验、资深抽检机制，规范多模态标注（传感器信号、设备元素、动作轨迹、指令级动作）并做一致性审核；对 bad case 做根因分析（数据 / rubric / verifier / 实例）并回流数据生产与评测标准，保证结果可信、可复现、以安全为先。 5. 数据基础设施共建：与工程/硬件团队共建仿真环境、评测框架、驱动集成与数据管线，推进可复现的物理设备数据资产沉淀。 6. 行业跟踪与跨团队协同：持续关注具身智能、实验室自动化与设备互操作方向动态；将评测洞察转化为模型改进方向（设备感知准确率、操作可靠性、安全性），并与研究、工程、硬件及外部合作实验室协作落地。
主导大模型「金融财会」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型在财务、会计、审计、税务、金融分析等场景下的能力边界，构建高质量、可验证、可复现的标注与评测数据集。金融财会可验证性强——会计恒等式、报表勾稽关系、税法规则、会计准则等均有客观标准，既适合规模化数据生产与自动判分评测，也对数字精度与合规零容忍。具体包括： 1. 能力体系与标准制定：完成金融财会能力维度拆解（财报分析与编制、账务处理与对账、税务申报与筹划、审计底稿与核查、估值与财务建模、金融数据分析、合规判断）、任务难度分级、标注规范与评分标准，制定 rubric 与金标准，沉淀查重去污、难度校准、一致性审核的可复用工具链。 2. 数据生产与标注：设计贴近真实财务工作流的任务与实例，共建 rubric，组织专家标注与示范，产出金标准与失败案例；覆盖财报/对账/发票/税务/审计底稿/估值/研报等场景，将领域经验转化为可用于 SFT、偏好学习与可验证奖励训练的高质量数据。 3. 模型评测建设：设计可自动核验的评分机制（对账勾稽、税额计算、准则符合性等），并构建端到端 Agentic 评测——覆盖 Excel/ERP、金融数据终端、数据库与 MCP 工具调用、多步财务流程执行；重点检出数字精度错误、幻觉与合规风险，推动任务从「单点问答」向「复杂真实财务场景」演进。 4. 质量管控与质检：建立双标注一致性校验、资深专家抽检、难度标定校准、查重去污与一致性审核机制；对 bad case 做根因分析（数据 / rubric / verifier / 实例），并将结论回流到数据生产与评测标准，保证结果可信、可复现、可追溯。 5. 数据基础设施共建：与工程团队共建支撑大规模金融财会标注与自动化评测的基础设施（数据管线、评测框架、沙箱 / 容器化环境），推进可自动判分的数据资产沉淀。 6. 行业跟踪与跨团队协同：持续关注金融财会大模型与 Agent 方向动态；将评测洞察转化为模型改进方向（数字精度、准则理解、合规可靠性），并与研究、工程及业务团队协作落地。
主导大模型「长程 Agent 环境」方向的数据体系建设，覆盖数据生产、模型评测与质量管控全链路，定义模型在多步、有状态、需工具调用与长程规划的复杂 agentic 任务上的能力边界，构建高质量、可复现、可自动判分的任务环境与评测数据集。本岗位为横向底座，不绑定单一行业，所搭建的长程任务环境统一服务编程、数据分析、办公、科研、金融等各垂直方向；其核心不是判定单点答案正误，而是把真实任务转化为可复现、难度分级、抗奖励作弊的环境，并按执行过程对整条轨迹打分。具体包括： 1. 能力体系与标准制定：定义长程 agentic 任务的能力维度（任务分解与规划、跨步状态跟踪、长上下文保持、模糊性与中断处理、错误恢复与反思、长程一致性与终止判断），建立以步数、分支、不可逆性、信息完整度刻画难度的分级与可解性标定方法，制定过程级评分标准（里程碑 checkpoint + 子目标 + 最终态 + rubric 软标准）与金标准轨迹规范，沉淀为各垂直方向复用的统一方法论。 2. 数据生产与标注：把真实任务构建为可复现的有状态环境（固定初始状态、可重置 / 回放 / 分支的中间态、以录制或 mock 替代真实工具与 API、结果自动校验钩子）并容器化交付；将领域专家提供的任务抽象为可参数化的环境模板族，批量生成难度递增的变体；产出多步专家示范轨迹——尤其是「中途出错并恢复」「应对中断与模糊指令」等高价值样本，供 SFT、偏好学习与可验证奖励强化学习（RLVR）使用。 3. 模型评测建设：为每个环境配套自动判分机制，兼顾最终结果与过程关键节点、支持按步骤部分给分（credit assignment）；用前沿模型跑 pass@k 标定长程难度与可解性；通过大规模 rollout 定位长程特有失败模式（规划漂移、误差累积、状态漂移、上下文丢失、工具误用、过早终止 / 死循环、中断后无法恢复），沉淀轨迹级失败案例库并反哺各垂直方向。 4. 质量管控与质检：逐条审阅数十步执行轨迹、判断每一步动作与环境状态是否合理；建立环境分层校验（静态检查 → 冒烟 → 可达性 → 领域合理性）、双标注一致性校验、资深专家抽检、难度标定校准与查重去污；重点排查奖励作弊（reward hacking、绕过 checkpoint、伪造完成）与判分器可靠性、结果可复现性；对 bad case 做根因分析（数据 / rubric / verifier / 环境实例 / 具体轨迹步）并回流到模板与标准。 5. 数据基础设施共建：与工程团队共建长程任务沙箱、状态快照与重置 / 回放 / 分支机制、mock API 与工具 / MCP 编排、rollout 与过程打分管线、环境模板库与数据血缘，把「一次设计、批量生成变体」的能力工程化，供所有垂直方向复用。 6. 行业跟踪与跨团队协同：持续关注长程 agent、过程监督（process supervision）、可验证奖励与 agent 环境评测方向动态；与各垂直领域岗协作——领域岗负责任务真实性与答案正确性，本岗负责长程环境、过程奖励与轨迹质检——与研究、算法、工程团队形成「数据生产 → 训练 → 评测 → 回流」闭环。
1. 主导大模型推理性能优化：通过算子优化、模型压缩/量化/稀疏化、推理引擎开发及分布式系统设计等技术手段，全面提升大模型在GPU/PPU等异构硬件上的推理速度、系统效率与部署性价比。 2. 开展软硬协同的深度调优：针对不同架构和规模的AI加速硬件（如GPU、专用AI芯片），对KV Cache管理、内存调度、计算图优化等核心模块进行定制化性能调优，突破算力与访存瓶颈。 3. 支撑多模态与前沿模型架构落地：参与大模型推理系统的核心模块研发，支持Transformer、MoE、Diffusion、LLM、VLM等多种架构的高性能推理，并与算法、产品及业务团队紧密协作，实现端到端场景优化。 4. 构建高性能AI基础设施：基于软硬件协同理念，打造业界领先的AI推理底座，通过融合模型算法与底层硬件特性，释放组合优化潜力，形成显著的性能与成本优势。 5. 追踪和引领技术前沿：持续关注大模型推理领域的最新研究成果与开源生态，推动技术创新与工程落地，发掘软硬结合的技术创新，强化技术壁垒与商业竞争力。
光网络运营团队负责阿里巴巴数据中心内光互连的规划、建设、测试和运营，致力于建设安全可靠，技术先进、可灵活调度、高效运营、大容量的信息传输通道，以支撑阿里云智能各项业务的发展。 • 负责全球全球骨干网、城域网、数据中心网络光网络巡检维护以及问题定位，并快速解决网络风险及故障； • 全球网络运营风险管理，负责网络生命周期的风险识别、规避控制和消除，涉及架构引入测试、验收、风险防范，确保网络服务满足稳定性需求。 • 负责网络设备/光模块产品引入、质量控制、线上运营、链路故障维修支持和能力建设。 • 研发高可用的光互联网络规划、建设和运营平台； • 负责网络运营自动化脚本编写，推进网络的自动化运维能力； • 通过数据分析和研究，提前识别网络架构风险、设备软硬件风险、设备老化风险，预测故障； • 持续推动网络架构模型优化
1、负责ATH网站业务运营的研发支撑工作，构建适合业务快速迭代的平台能力； 2、对业务场景保持敏锐，快速熟悉业务流程并理解业务痛点，对产品需求进行沟通、分析，完成技术方案的制定，核心系统及模块的设计与研发，驱动产品快速迭代； 3、快速构建AI Agent/Skills 体系能力，实现开发及业务提效； 4、设计AI业务应用开发的技术规范与最佳实践，提升团队整体AI工程化水平。
岗位职责： 1、负责母婴童装相关品类行业商家商品的运营工作，制定并执行商家引入策略，推动优质产业带资源入驻。 2、搭建和优化半托管商家的商品管理体系，包括商品选品、定价、上架、促销策略等，提升平台商品竞争力与用户转化率，为品类GMV增长目标负责。 3、制定品类运营策略，通过数据驱动分析，识别市场趋势与用户需求，持续优化类目结构和商品组合。 4、协同供应链团队，推动商品库存、物流及履约效率的提升，保障商品供应稳定性和用户体验。 5、与市场、技术、产品等部门紧密配合，推动商家扶持政策落地，提升商家满意度与活跃度。
1. Agent 沙箱环境矩阵构建，打造毫秒级启动的轻量化 Web 沙箱，构建完备的 ContainerUse 环境支持体系。 2. Agent 沙箱环境矩阵构建，突破OS 层虚拟化瓶颈，构建支持全功能桌面的沙箱，实现ComputerUse环境，支撑基于复杂人机交互（GUI）的评测需求。 3. 统一沙箱管理引擎研发：设计实现端侧管控服务的极致轻量化与高并发承载能力。 4. 推动云原生AI领域前沿技术预研、落地及开源生态建设，持续引领技术创新与行业实践。
1、完成费用预提相关账务处理及其他月结事项处理，确保相关账务时效和质量。 2、审核对应业务的AP结算单，确保结算无风险，具有风险意识，能够识别流程中的风险点及效率提升点；配合产技推动相关业务的结核算自动化项目。 3、负责所处理业务的BS科目管理工作，推动BS满足审计要求以及账实一致。 4、及时反馈问题，与团队保持良好的沟通
1、负责直营店铺的运动户外行业相关行业运营，基于业务目标拆解，制定店铺年／季／月度运营计划，对生意结果负责； 2、基于消费者需求，制定品类规划，搭建健康的品类结构，产出具有精准性与前瞻性的商品企划，为商品力负责； 3、进行产业带供应商招商与洽谈，围绕品类策略与消费者需求，共同制定货盘计划，提升商家经营规模和效率； 4、围绕爆品进行运营，负责提升单品效能及ROI，针对商品生命周期进行整体规划和运营，基于各资源定位协同商品运营进行货品供给； 5、结合对性价比/质价比用户的洞察和消费趋势，把握消费者购买决策的关键因素，在销售策略、渠道推广、玩法互动产出方案并进行项目的落地执行。
1、行业研究与分析。深入研究足疗洗浴、维修、眼镜等本地生活服务行业的市场动态、用户行为、竞争格局；输出行业白皮书、市场趋势报告，为平台决策提供数据支持。 2、策略制定与执行。根据行业特性，制定平台在该领域的业务拓展、产品优化、营销推广、商家合作等策略；推动重点行业从“流量获取”向“价值创造”转型。 3、跨部门协作。与产品、运营、市场、技术等多部门协同，推动策略落地；策划并执行行业专项活动或项目，提升平台在该领域的影响力。 4、竞品对标与创新。分析竞品在足疗、玩乐、维修等领域的策略与打法，提出差异化竞争优势；探索新兴模式，推动平台在相关领域的创新突破。
AI推理平台团队聚焦于集团AI推理平台（阿里云百炼、千问AI平台、Qwen Cloud等）模型服务的基础研发，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出色、成本最低、效率最高、规模最大、稳定、易用的MaaS平台，支撑大规模AI模型的研发、部署与推理极致优化，助力企业级AI应用的快速发展。 1. 负责阿里云百炼、千问AI平台管控面后端的设计、开发与维护，参与模型广场、调优&部署、数据管理、观测评测、商业化计费、企业级能力、网关管控等方向之一的设计与开发工作。 2. 模型调优与部署：负责百炼、千问AI平台上模型后训练产品工程链路开发，包括数据集管理、框架集成、任务调度、量化与蒸馏、调优后模型部署、公池API产品化售卖(如PTU、TPM预留、多LoRA)等。 3. 观测与评测：负责百炼/千问AI平台的模型与应用可观测系统建设，包括OpenTeletry观测体系、API监控与告警、模型访问审计、用量分析等；以及基于观测日志等数据为基础的模型评测、应用评测、数据标注、模型调优等大模型工具层能力建设；负责Agent Studio Loop等产品能力建设。 4. 数据管理：负责百炼、千问AI平台的数据系统的架构和实现，包括多模态数据源接入/数据Connector、解析与清洗、数据管理等能力，为百炼模型层和应用层提供安全易用、高质量的数据能力。 5. 企业级能力与商业化：负责百炼平台的管控基建(管控网关、权限、限流、多站点等)、企业级能力(网络通道、数据权限管控、细粒度权限、资源与Open API等)、商业化(商品订单、商业化计费、Token Plan等)等架构和开发工作。 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的了解。 7. 基于业务需求和技术洞察，在大模型基础设施管控方向上，进行技术规划并落地。
1、有较强的商业意识，深度支持业务决策，参与产品和项目的定价、成本测算，并据此建立通用性数据模型，进行业务方案的可行性分析和风险评估，分析企业各项决策、产品，市场活动的投入产出效果，定期向业务方和管理层进行问题反馈，提出相应的财务建议提出并推进解决方案； 2、建立健全相关业务的财务分析体系，完成支持业务线的年度预算，对预算的执行情况，业务运营情况、重点项目等进行定期或专项的分析，提出相应优化建议，并跟进落实； 3、分析BU重点业务的投入产出效果，提出相应优化建议，并跟进落实； 4、参与BU财务相关业务流程的设计，能够独立完成对所支持业务及相关财务流程的整体优化，发掘并把控风险点，建立/完善相应制度，推动流程系统化，提升工作效率。
1、负责淘宝内容生态的用户侧产品设计与体验优化，覆盖达人内容、商家内容、用户原创内容以及 AI 生成内容等多形态内容在前端消费场景的呈现与交互，持续提升用户内容消费体验和商业转化效率。 2、深入理解用户内容消费心智与决策路径，结合 AI 大模型与多模态能力，探索内容消费体验的智能化升级，推动内容从"被动消费"向"主动互动、驱动决策"演进。 3、建立内容前端的质量分层与审美标准体系，对不同来源内容在视觉表达、信息传递上进行品质把控，确保用户端获得高完成度和信任感的内容消费体验。 4、协同算法、设计、运营及供给团队，推进内容用户产品的快速迭代与规模化落地，通过用户研究、数据驱动验证产品方向，对用户时长、进店率、成交转化等核心指标负责。
1. 负责 Office / 电商方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检工作；与算法及产品团队协作，理解 RM 训练和 rollout 打分的数据诉求，交付满足研发需求的高质量数据。 2. 设计并落地覆盖办公生产力（文档、PPT、Excel）和电商运营场景的标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。 3. 统筹本方向的评测方案与数据生产方案，为 rubric 设计、verifier 校验、轨迹打分等环节制定可操作的标准；定期开展 pass 与非 pass 双向抽检，迭代标注规范。 4. 构建并维护本方向的数据质量管理体系，对轨迹根因归因（模型能力 / 评测缺陷 / 任务定义）的闭环负责；警惕分数虚高等隐性风险，持续优化迭代。 5. 管理标注专家团队，统筹日常任务分配与产能调度；与上下游（算法、产品、领域专家）充分协作，把个人判断力沉淀为团队方法论。
1. 负责电商、对话、多模态方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检；与算法、产品团队协作，理解 RM 训练与 rollout 打分的数据诉求，交付高质量数据。 2. 导购与对话 Agent、评测集构建、多轮对话 / 长程任务理解、用户意图理解分类、面向商品理解 / 类目属性、搜索相关性等场景，设计标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。 3. 统筹本方向评测方案与数据生产方案，制定可操作标准，定期开展双向抽检，迭代标注规范。 4. 构建并维护数据质量管理体系，对轨迹根因归因负责，警惕分数虚高等隐性风险。 5. 管理标注专家团队，统筹任务与产能；与上下游充分协作，把个人判断力沉淀为团队方法论。
1. 作为云产品技术领域工程师，为客户提供云产品的技术服务，负责客户问题的快速定位和分析解决。 2. 与研发团队协作，推进后台诊断工具、用户侧自主化诊断工具的落地。 3. 基于云产品问题排查能力和经验，利用AI Agent来完成问题处理提效。 4. 与研发团队对接，根据客户反馈的问题推动云产品需求优化和Bug修复。
1. 负责天合业务大客户的拓展与运营，制定大客运营策略，主导核心客户的沟通、服务与关系维护，建立长期稳固的合作关系； 2. 洞察行业现状与发展趋势，深挖商家需求，结合其投放节奏与业务诉求设计一体化解决方案，并推动方案落地见效； 3. 依托数据分析与运营手段，持续优化运营机制与商家服务体系，提升合作效率与商家满意度； 4. 跨部门高效协作，整合内外部资源，撬动商家在天合的合作规模持续增长。
1、深入理解品牌新品创新与孵化的全链路需求，结合平台大数据资产与 AI 基建能力，设计并落地具有高应用价值的产品工具或 Agent Skill，帮助品牌商家在赛道定位、趋势洞察、新品打爆等环节提效，持续提升客户渗透率和使用粘性。 2、持续追踪市面竞品动态与客户实际使用情况，建立系统化的竞品监控和客户反馈闭环，形成产品高效高质量迭代机制； 3、具备 AI 时代的意识与思维，主动用 AI 工具和方法重塑产品工作流，减少跨工种之间的低效沟通和冗长链路，推动形成产品end-to-end的高效闭环。
1、面向 ASR、TTS、语音对话及相关音频模型场景，结合模型评测、业务反馈和 badcase 识别数据缺口，形成数据产品需求和优先级建议。 2、负责分配的数据产品或业务线，设计自建生产、定制采购、成品采购、业务回流和合成数据等来源组合，明确产品范围、业务规则、质量目标、里程碑、成本和风险。 3、将数据产品需求分别转化为生产交付、数据处理、Data Agent 和平台业务需求，定义输入输出、业务字段语义、产品指标和验收条件。 4、与生产交付团队协作完成试产和规模交付，管理产品范围变更，验收交付完整性、质量证据、版本清单和风险说明。 5、跟踪数据进入模型或业务后的效果，结合 WER/CER、MOS、任务成功率、用户反馈等适用指标复盘数据价值，提出下一轮调整建议。 6、沉淀可复用的数据方案、业务规则、需求模板、验收方法和复盘结论。
1. 负责淘宝互动-IP和抽赏板块的商家商品运营，对GMV和收入规模负责，推动业务规模持续增长； 2. 拓展站内外各类销售渠道，建立常态化的渠道合作与运营机制，实现IP商品的多渠道规模化销售； 3. 搭建并持续优化多种销售场景与转化链路，提升流量获取效率与成交转化率； 4. 结合IP上新节奏、平台大促和节点营销，设计促购玩法、价格与促销策略，组织跨团队落地并进行效果复盘，持续提升转化与复购 5. 协同内部供给团队，参与货盘企划与商品运营，基于销售数据与用户洞察推动货盘结构、玩法机制与用户体验的迭代，建立年轻用户的心智
1. 多模态/世界模型训推架构：负责万亿参数多模态理解、多模态生成模型、世界模型分布式训推框架的设计和实现。通过5D并行策略、细粒度显存优化、通信计算Overlap等手段，实现多模态场景高效的预训练/后训练Pipeline。 2. 模型联合的深度算子优化：结合多模态理解生成场景，通过算子融合，定制Attention、MoE等算子，并达到SOTA的训推MFU。 3. 模型加速工程：使用蒸馏、量化、剪支等加速技术，在AIGC、实时生成等场景达到极致的模型效果-性能平衡点。 4. AI创新应用落地支撑：作为算力基座的核心支撑，支持行业顶尖的多模态生成模型在 AI 创新应用场景的业务落地，解决工业级大模型训练中的迭代基建问题，确保模型从训练到应用的顺畅衔接。
1、负责阿里控股相关业务的招聘，基于业务策略及组织能力需要，制定全年招聘策略，并确保招聘计划的有效落地与执行； 2、基于对业务的充分理解，高效完成人才获取的同时，形成中、长期的人才获取，以及人才梯队建设，并通过持续运营保障人才的链接与转化； 3、通过对行业，竞争的高质量洞察分析，对业务与组织的阶段性决策提供支撑 4、管理并推动各招聘渠道的有效运作，结合所属业务场景特点，积极探索创新的招聘解法； 5、完成对所负责业务单元的招聘运营工作，持续对效率、质量、体验、成本、品牌进行管控与优化；
1. 负责视频增强算法的设计与研发，对 GAN 和 Diffusion 技术有深入的研究，应用场景包括但不限于 超分、降噪、色彩增强、去模糊、插帧、暗光增强、人像修复、去交错等； 2. 负责视频处理算法部署落地，涵盖不同 cpu/gpu/sdk 上的工程适配、算法调优与成本/速度优化； 3. 负责视频画质分析和质量评估算法的研究和落地，包括但不限于噪声估计、色彩/曝光/对比度/清晰度评价、美学/构图评价等； 4. 负责视频相关场景的画质提升并节省带宽，打造行业顶尖的画质处理解决方案；
● 视频编码（包括但不限于 H.264/H.265/H.266 ）优化：通过对主流标准的视频编码器优化，实现不同业务场景对主客观压缩率、编码速度、编解码延时等核心指标的需求。相关优化算法包括编码器快速算法，压缩率算法，码率控制，场景编码，ROI，JND编码等； ● 在标准编码框架的基础上，借助 AI 领域的新技术成果来研究视频信号的表征、编码与处理，将视频前后处理与编码联合优化，提升全链路压缩效率； ● 基于 AI 大模型，智能分析场景，生成转码方案，结合场景差异化挖掘压缩率冗余，提高总体转码效率；
阿里云视频云是面向政企行业用户的音视频全栈云平台，为客户提供直播、点播等核心产品与服务。本岗位主要负责视频直播服务端的架构规划、重构与研发工作，构建全面、稳定、安全的视频直播服务体系；跟踪前沿技术并推动工程落地，提升行业技术竞争力，满足客户对高质量直播服务的需求。 1. 负责/主导架构重构与产品化落地 ● 负责存量直播服务的架构重构规划、设计、实施及上线后的持续演进与维护。 ● 深入理解业务需求，编写高质量代码，完成核心功能开发与公共组件迭代；推动定制化逻辑的产品化落地，构建高内聚、低耦合的直播服务组件。 2. 保障系统高可用与性能体验 ● 深度参与线上疑难问题排查、故障应急响应，以及系统性能与成本优化。 ● 制定并完善全链路监控策略，持续提升系统可用性（SLA）与终端用户体验。 3. 探索前沿技术落地场景 ● 结合AI技术趋势，参与 AI Agent 在资源调度、智能运维（AIOps）等方向的技术预研与原型开发。 ● 深入研究直播核心技术链路（RTMP/HLS/RTC/编解码等），并将其创新应用于流媒体服务中，提升产品核心竞争力。
1、深挖供给资源（商家/商品），负责拓展和维护境外线路商家（包括但不限于批发商、地接社等），提供优质的供给资源及提升目的地供应链竞争力。 2、负责核心商家在平台的运营指导，运营和维护商家提供的优质货品资源，对供应链价库有深入了解。 3、通过供应商资源库的对接和甄别，能够创新和打造目的地爆款的能力。 4、协同运营、市场、消费者运营团队，辅助商家及商品在平台经营，且对经营结果负责。 5、了解平台模式的运作规则，并对市场其他渠道有足够认知，能引入新供应链的同时协同横向团队打造健康平台生态。
岗位JD：企业服务-数据分析与行业策略专员 岗位职责 一、行业洞察与策略（约50%） • 负责工业品、农业、个性定制、商业其中部分行业线的行业洞察：行业大盘与供需结构分析、竞对动态跟踪、品类机会挖掘与优先级排序等； • 输出有观点、可执行的行业策略洞察报告，支持行业小二的招商、供给建设与大促打法； • 参与季度/月度策略规划，通过增量预测、达成归因等量化手段为管理层决策提供依据。 二、数据分析与资产建设（约30%） • 面向行业和横向承接商家策略、商品策略方向的数据需求：商家分层、机会商家、商品供给结构、类目机会等核心专题的取数、分析与报表建设； • 搭建并维护策略团队核心数据看板（垂直行业经营监控、大促作战、商家/商品体检），沉淀可复用数据资产，用自动化和AI手段压缩临时取数占比； • 与数仓/DE团队协作，推动核心指标口径统一和底层数据建模优化。 三、AI提效工具建设（约20%） • 面向行业小二的日常场景（商家诊断、竞对监控、品类分析、汇报材料生成等），运用AI Agent、大模型等工具搭建轻量级提效工具或自动化工作流，赋能行业和横向小二，把重复性人肉工作产品化； • 沉淀团队级的AI分析方法论与Prompt/工作流资产，带动团队整体人效提升。
1. 搭建市场部数智化管理系统，推动目标追踪、预算治理、项目协同等流程标准化，协助市场团队实现流程化运作； 2. 探索 AI 驱动的营销新范式，在内容种草、投放优化等场景中设计 AI 落地方案，结合实战沉淀方法论与 AI 工具，输出可复用的模板与能力； 3. 关注 AI 发展带来的新媒介触点（如 GEO、AI 搜索总结等），探索品牌在 AI 对话场景中的流量洼地； 4. 以 AI 的方式做 AI 产品洞察，运用 AI 工具驱动行业趋势、市场动作与用户需求的实战洞察，赋能市场决策。
1. 设计并实现高性能的AIGC安全风控系统，并确保系统的稳定性和响应速度。 2. 设计线上系统日常运维机制，增强系统安全生产能力，减少稳定性问题的发生 3. 对接商业化项目，负责对客沟通，技术方案设计，开发实施，项目交付等系列工作
