共 2450 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
【岗位定位】 本岗位旨在寻找具备全域风控视野的策略专家，不仅精通传统风控逻辑，更致力于推动AI技术在风险感知、归因定性及决策处置中的深度落地。你将作为连接“业务风险”与“人工智能”的桥梁，构建下一代智能风控引擎。 【岗位职责】 1、全域风险感知体系构建： 负责营销反作弊、账户安全、交易欺诈等多场景的风险指标监控；建立基于异常检测的主动感知机制，实现对未知风险的早期发现。 2、智能归因与风险定性： 主导复杂风险事件的深度分析，利用统计学与AI辅助手段，快速完成风险定性；沉淀风险特征库，为模型迭代提供高质量标签。 3、AI风控场景落地： 探索大模型（LLM）与机器学习在风控中的应用，包括但不限于：自动化风险报告生成、非结构化数据（如文本、图像）的风险识别、智能归因助手开发等，提升运营效率。 4、实时风控逻辑优化： 深入理解实时风控引擎运作机制，将业务洞察转化为高效的实时策略。 5、跨场景策略统筹： 打破单一业务线壁垒，统筹营销、账户、支付等全量风险防控策略，确保风控体系在应对跨场景交叉攻击时的整体有效性。
AI 客户开拓与商机挖掘： ● 新客户开拓及覆盖：负责AI原生及新兴增长赛道的市场机会识别及快速、敏锐判断，通过各种渠道开拓新客户，或挖掘现有客户的maas产品和技术需求，形成有效商机。 ● 客户业务理解及需求挖掘：深度理解客户所在行业，了解客户商业模式和业务流程，能够进行业务分析，解构客户生产链路及对应的痛点，挖掘有效AI切入场景,找到双方合作机会点。 ● 驱动Token价值挖掘与跃迁： 推动标准化AI产品、平台及Agent类应用的推广，通过深入挖掘客户使用场景，驱动模型调用量（Token）实现跨越式增长，为客户提供价值。 ● 建立组织客情：能与客户业务负责人对话，维护好关键决策点的客情关系，协调我司管理层和客户建立连接，作为“铁三角”的导演，进行良好的内部项目协调。与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持。 AI 价值传递与场景共创 ● 理解阿里云MaaS产品及市场产品的差异化：深入理解阿里云MAAS产品的技术价值及适用场景，了解国内外市场先进模型特点及阿里云的差异化竞争优势，能够根据客户需求初步制定模型、应用及方案的匹配。 ● 独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值。 AI 客户商务转化策略与业务收入 ● 促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢。对AI MaaS业务的Token用量和收入增长负责 ● 客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地。 持续做好客户服务与市场洞察 ● 客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度。 ● 竞对与趋势研究，推动产品反向优化：主动研究市场动态及竞对产品优劣，理解与阿里云的产品差异化优势，结合用户体验，持续输出产品优化建议，推动内部产品解决方案和流程体系的改进。
负责 AliExpress 重点国家/区域的新客获取与激活策略制定，基于市场阶段、用户结构、供给能力和业务目标，输出国家/区域增长策略 负责海外广告投放的全局策略与预算分配，统筹 Facebook、Google、TikTok 等多渠道组合，提升新用户规模、激活效率与首单转化 深入分析不同国家用户行为、人群质量与供需匹配关系，联动站内用增、行业、商品、创意团队，推动广告人群与站内承接链路高效匹配 跟踪海外市场动态、竞品策略与媒体趋势，识别新市场、新渠道和新人群机会，推动投放策略从单渠道优化升级为综合增长操盘 打通站外广告到站内激活、首单、留存的完整链路，监控漏斗表现，通过总结投放经验赋能AI投放产品的迭代升级
懂人心有热爱的你将搭档一支神秘军团：他们守护着千万企业的数字资产，研究最前沿的AI安全、云原生攻防与威胁情报，却鲜少站在聚光灯下。他们游走在代码与攻防之间，用算法拆解攻击者的每一步棋，在毫秒之间筑起防线。 你不需要会写代码，但你要懂这群「极客」的语言与热爱。你将深入安全业务核心，与顶尖人才并肩，在最烧脑的攻防里，破译组织持续进化的密钥。 ➢ 职位描述 ● 理解业务战略，并为业务部门的战略落地提供人力资源专业解决方案、规划并推进落地； ● 根据业务组织发展的需要，进行组织诊断，配合业务一号位梳理上下游生产关系，做好排兵布阵，并支持业务leader制定岗位及人才标准，确保选、用、育、留、汰； ● 基于人才标准，帮助业务团队做好人才的即时供应，保留业务所需的关键人才，促进人才新陈代谢； ● 在业务团队推动公司层面变革，理解变革背后的逻辑，并融入到HR日常工作中，配套并完善组织机制，提升组织效率； ● 深入理解文化价值观并身体力行，传承公司文化，促进员工对文化价值观的理解、认同、共识与践行； ● 建设沟通渠道，成为员工与组织的桥梁，增强员工归属感和团队凝聚力，保证组织的持续健康成长； ● 妥善处理好各类员工事件和廉正合规事件，在组织中引导积极、正向的风气。
你将搭档一支专注连接战略与市场的团队：从客户管理到销售赋能，从定价策略到商业设计、从商业洞察到战略落地，他们贯穿着阿里云商业全链路。在这里，你的HR专业能力将与业务决策紧密相连，与团队一起为阿里云的持续增长贡献扎实的力量。 ➢ 职位描述 ● 理解业务战略，并为业务部门的战略落地提供人力资源专业解决方案、规划并推进落地； ● 根据业务组织发展的需要，进行组织诊断，配合业务一号位梳理上下游生产关系，做好排兵布阵，并支持业务leader制定岗位及人才标准，确保选、用、育、留、汰； ● 基于人才标准，帮助业务团队做好人才的即时供应，保留业务所需的关键人才，促进人才新陈代谢； ● 在业务团队推动公司层面变革，理解变革背后的逻辑，并融入到HR日常工作中，配套并完善组织机制，提升组织效率； ● 深入理解文化价值观并身体力行，传承公司文化，促进员工对文化价值观的理解、认同、共识与践行； ● 建设沟通渠道，成为员工与组织的桥梁，增强员工归属感和团队凝聚力，保证组织的持续健康成长； ● 妥善处理好各类员工事件和廉正合规事件，在组织中引导积极、正向的风气。
1. 接入外部应用生态能力：与互联网平台公司、AI原生应用公司、传统行业/基础设施行业头部企业等各类伙伴保持交流，从对方App或其他产品中识别高价值场景和能力，主动储备和并适时推动合作，提升大模型产品的垂类知识深度和任务处理能力 2. 关注AI应用生态的演进：常态监测各类头部AI应用、云厂商、agent聚合平台、知名开源平台等的进展和动态，为内部产研团队提供信息输入，保证行业认知和信息情报的先进性 3. 团队分工协作高效推进：与其他商务方向协作，共同完成各垂类能力的高效触达和接入，与产研团队协作，共同提升产品竞争力 4. 其他内容数据商务工作：视业务需求和团队分工的变化，有机会承担内容/数据采买、流量置换合作、定向商务拓展等方面的工作
1. 负责视频生成模型中音频方向各任务的评估工作，包括但不限于：通用及专项评测集构建、主观评估方案设计、评测培训宣贯、评测数据校验、评测报告撰写等，对评估结果负责； 2. 负责音频算法研发流程中各模块真实能力的评估工作（数据集质量、单点及e2e能力等），通过敏捷评测等机制，设计流程实验，及时暴露诊断反馈问题； 3. 追踪学界、工业界前沿成果，在模型与听觉感官对齐、人类偏好数据建设等交叉领域持续钻研创新； 4. 管理内外部评测与精标执行团队，提升执行团队工作效率。
1. 主导或协助处理针对公司的各类风险事件，开展线索挖掘、数据溯源与电子数据取证分析。 2. 撰写报案材料、整理证据链条，配合公安机关开展案件侦办及落地。 3. 针对各类风险进行应急响应与溯源分析，发现并推动修复潜在的安全漏洞。 4. 持续跟踪网络黑灰产动态、新型网络犯罪手法及暗网情报，为公司业务风控、安全防御策略及打击行动提供前瞻性情报支持。 5. 熟悉网络安全相关法律法规，确保调查取证过程合法合规，为法务团队提供技术层面的证据效力支撑。
1.视频生成内容描述质量评测； 2.负责多维度打分标准制定与校准； 3.评测数据集构建与迭代； 4.负责caption标注/评测任务全流程对接，整体进度和质量把控，人力协调和风险预警，产出评测报告驱动模型优化，确保任务如期交付
1. 参与制定视频生成和视频理解模型所需要的标注落地细则，涵盖镜头运动、光影、主体动作拓扑及物理规律。 2. 负责指导和制定标注规范和标准，培训供应商进行高难度的“时间轴-文本”精准对齐，确保视频画面演进与描述文本在帧率级不发生错位。 3. 制定并严格执行视频前置质量标准，对产线上的视频清洁度负绝对责任。 4. 视频资产打标调度：带领落地团队对千万级PGC/UGC视频切片进行多维标签分类（如动作类、自然风景类、特效类、长尾Bug类），确保训练集数据分布的多样性。 5. 参与图文、视频、音频各分支标注小组，确保一套混合数据集在空间和时间上同步交付。
1、中台岗位，对接前台业务，负责业务运营全链路的运营数据指标体系建设、策略效果科学评估、数据产品建设； 2、通过多维度数据分析，助力业务达成目标，主要包含：业务预测，目标测算和拆解，业绩监控和经营健康度分析，协同相关资源推进运营策略落地，发现经营机会和风险等； 3、基于对业务商业逻辑的理解，熟练运用商业分析方法、数据科学评估和推断、利用内外部数据获取渠道，洞察业务趋势、消费者行为、平台商家策略，探索商业模式，诊断业务问题、评估运营效果等，提供业务数据化决策支持。 4、通过深挖海量业务数据，对专项疑难问题、指定方向的重点研究课题，输出落地性较强的商业分析报告，和策略建议。
1、负责阿里国际在俄罗斯市场的货通整体解决方案设计与落地，打通跨境供应链&物流关键节点。 2、深入分析市场动态、竞争对手定价机制及客户行为数据，制定差异化、可落地的定价方案。 3、协同内外部团队（包括商家、 行业、中台、物流等），推动系统对接、流程优化和异常处理机制建设。 4、监控货通全链路时效与成本，持续迭代方案以提升履约体验和运营效率。 5、沉淀俄罗斯市场货通最佳实践，为其他新兴市场提供可复用的方法论和工具支持。 1、Design and implement end-to-end cargo clearance and logistics solutions for Ali International’s Russia market, ensuring seamless cross-border logistics operations. 2、 Conduct in-depth analysis of market dynamics, competitor pricing mechanisms, and customer behavior data to develop differentiated and actionable pricing solutions. 3、Collaborate with internal and external stakeholders—including Sellers, Internal category manager ,logistics providers, and local partners—to drive system integration, process optimization, and exception handling mechanisms. 4、Monitor end-to-end logistics performance in terms of lead time and cost, and continuously refine solutions to enhance fulfillment experience and operational efficiency. 5、Document and standardize best practices for Russia cargo clearance to support replication in other emerging markets.
核心职责：自动化评测集建设能力 1. 建设面向产品Agentic场景（Search Agent、Office Agent、对话Agent、生活服务Agent等）的端到端评测集，量化模型在真实产品链路中的表现，并拆解到模型原子能力，确保评测粒度可拆解至独立能力维度； 2. 基于评测数据产出结构化的模型能力诊断报告，明确优势与短板，形成可执行的优化建议，辅助算法团队确定模型迭代方向； 3. 持续追踪业界前沿Benchmark与评测方法论，保持评测集的先进性和行业对标能力；
1. 搭建素材供给与分发效率的数据指标体系，通过结构化归因定位供给瓶颈和效率洼地，关注内容生态的多样性与健康度，保障生态的长期可持续； 2. 面向商家与创作者输出运营方法论及实操指南，设计分层培训与赋能方案，结合任务体系和激励机制拉动供给质量持续提升； 3. 负责推荐场域的素材质量运营，深入理解淘宝用户的内容消费偏好，挖掘图文、短视频、直播等素材形态的种草特征与转化驱动力，定义并持续迭代素材质量评估分级体系； 4. 推动AI能力在素材评估、智能审核、商家工具等场景的落地应用，将运营方法论转化为可复用的系统能力，提升运营效率与规模化水平。
负责对接公共云业务中IT硬件品类的采购工作，协同销售/运营/产品/交付等部门支持并执行采购工作；包括： 1、采购需求确认 沟通确认采购需求和具体采购项目详细要求，分析和评估采购需求的合理性和可行性，确定采购项目的预算和时间计划，并与内部部门达成一致 2、采购谈判与合同管理 组织与供应商的商务洽谈和采购谈判，管理采购合同的签署和执行，确保合同条款的合规性和有效性，跟进与监控合同履行情况 3、成本控制 确保采购项目在预算范围内进行，在谈判中争取最有利的采购条件和价格，分析采购成本结构，制定成本控制策略和措施，降低采购成本、提升采购效率 4、采购流程优化与合规 遵循公司的采购政策和合规要求，审查和优化采购流程，确保采购过程高效、透明和规范，参与采购流程的数字化和自动化改进，提升采购效率
1、负责公司业务渠道拓展，挖掘新的合作客户，拓展多元化商务合作模式，完成公司既定的商务拓展及业绩目标； 2、主动调研行业市场动态、竞品商业模式及客户需求，收集市场信息、行业政策、合作商机，输出市场调研分析报告，为公司业务发展、合作策略调整提供有效依据。对接合作方、客户的商务洽谈、合作方案制定、合同谈判及签约落地工作，跟进合作全流程，保障合作顺利推进，维护良好的商务合作关系； 3、深度维护存量客户及合作渠道，定期开展客情回访，挖掘客户二次合作、增值合作机会与合作产值； 4、负责业务日常运营数据的统计、整理与监控，涵盖渠道数据、业绩数据、客户数据、转化数据等，建立常态化数据台账并定期开展运营数据分析，拆解业务转化链路，精准定位业务增长亮点、短板及运营问题，输出双周运营数据分析报告；； 5、统筹业务运营全流程，协同内部产品、研发等团队，落地运营优化动作，解决业务推进过程中的各类运营问题，提升整体业务运营效率。同时基于数据分析结果，拉通多部门配合，针对性优化商务运营策略，提出可落地的业务优化方案并跟进执行，驱动业务业绩增长。定期复盘商务拓展、合作运营项目效果，总结成功经验与失败问题，迭代优化商务合作模式与运营体系。
1、负责日常媒体沟通，策划并组织媒体沟通会、发布会、专访等媒体活动，持续拓展高质量媒体资源； 2、参与重大传播项目的媒介策略及内容共创，根据内容属性匹配差异化渠道组合，把控发布节奏，确保传播声量与质量达成目标； 3、定期输出传播效果及投放数据分析，为媒介策略优化提供依据。
岗位定位： 将大模型能力转化为可上线、可运营、成本可控的产品化能力。你将主导从问题定义到生产交付的全链路工作——做技术选型、搭应用架构、建数据闭环、构建评测体系，最终交付可持续迭代的 AI 产品。 核心职责： - 与业务、产品共创需求，将业务诉求拆解为可落地的技术方案，明确目标、边界与验收标准。 - 对所负责模块的线上质量、稳定性与成本负责，建立监控、告警与兜底机制，驱动持续迭代。 - 在 Prompt Engineering / RAG / Agent / 微调等方案间做技术选型，设计端到端应用架构（含上下文管理、工具调用、记忆机制、安全策略），完成生产级交付。 - 搭建 Agent 系统的工程化落地，包括多 Agent 协作与编排、Tool-Use（MCP 等协议）集成、Memory 管理，推动从原型到线上的完整闭环。 - 构建数据飞轮：设计采集、清洗、标注的工程化流水线，打通"上线 → 反馈 → 数据 → 迭代"循环。 - 面向业务目标设计评测指标，搭建自动化评测框架（LLM-as-Judge / Auto-rater），执行线上 A/B 实验，监控效果漂移并及时干预。
1. 负责芯片设计（EDA）方向 AI 训练数据的标注管理与质检，把资深芯片工程师的设计与调试经验，转化为大模型可学习的高质量轨迹数据，直接参与“让大模型学会做芯片”这件从 0 到 1 的事。 2. 面向 RTL 设计与功能验证、逻辑综合 / STA / PnR（QoR 优化）、调试修复（fail→pass 闭环）等环节，设计标注与质检流程，制定 rubric 与验收标准，对题目与轨迹质量把关。 3. 与平头哥、达摩院等芯片与算法团队深度协作，共同定义 agentic EDA 的能力边界与评测基准，推动模型在真实 EDA 工具链上跑通。 4. 构建本方向数据质量体系，对题目难度分层、轨迹根因归因负责；把稀缺的芯片工程经验沉淀为可复用的团队方法论。 5. 管理领域专家团队，统筹任务与产能；成长路径面向 AI + 芯片交叉方向的技术骨干与负责人。
1、日常运维 • 负责数据中心日常运维及管理工作，制定数据中心IT运维策略与运维计划，保障IT稳定性，均衡考虑运维质量、效率、成本及安全 • 通过IT数字化运维管理，提高机房管控能力和兜底能力，保障维修及时率、风险闭环率等各项指标达标。 2、安全合规 • 落实数据中心内所有岗位的安全生产要求，推动数据中心在环保、消防、职业健康、法务、廉正等方面的合规运营，防止出现人员/设备的重大责任事故、行政处罚/责令整改等被动监管事件。 • 识别安全合规风险，建立并完善风险管理机制，负责重大事件的上报和跟踪处理。 • 建立属地资源网络管理，推动与属地政府关系的全方位深化，为属地稳定安全合规运营提供坚实保障。 3、优化改进 • 负责所辖数据中心的IT运维工作优化，制定/梳理阿里IDC运维管理制度、操作手册、应急管理流程和应急操作预案。 • 负责阿里IDC能效优化工作，实现机房高效运行。 • 负责协同经营成本团队，通过建立成本分析模型、人效模型，实现对成本效率的精细化分析管控，达成经营目标。 4、技术支撑 • 负责数据中心运维侧技术管理，能带领团队通过技术管理为数据中心设计、设备选型等技术迭代提供技术支撑。 • 承担业务设备的现场技术支持，了解业务需求和网络结构，通过团队合作有效支撑数据中心运营。 5、团队管理 • 负责数据中心运维团队的日常管理、考核、人才梯队建设、能力培养，规划数据中心运维人员技术培训工作，提升运维团队服务水平。 • 建立与运营商、上级主管等部门间顺畅的沟通渠道，防止出现数据中心运营风险，确保阿里运营策略要求合规落地。
负责闲鱼B2B 二手 3C 交易平台产品体系从 0 到 1 建设，对平台 GMV、拍场动销率与买家竞得率负责。 1）完善暗拍 / 实时竞拍 / 一口价 等玩法的交易链路，主导价格力模型设计与落地，对上拍成交率与溢价率负责； 2）建设履约与售后线上化体系及买家分层权益产品，按季度交付售后处理时效与买家次月留存的正向提升； 3）主导买家 Agent 从 MVP到全场景托管的产品落地，对 Agent 托管渗透率与买家人均月采购额提升负责；
深入参与 Alibaba Token Hub 事业群 MaaS 业务（Model as a Service）的核心算法研发，以前沿的技术驱动顶层业务创新，定义下一代 AI-Native 交互范式。面向真实应用场景，依托阿里强大的基座模型，打造行业SOTA的智能座舱解决方案。具体工作内容包括但不限于： 1、智能座舱 Agent 决策与任务编排：构建座舱场景下的 Agent 决策能力，包括工具/功能调用（导航、媒体、空调、车窗等）、多步任务规划与分解、基于行车上下文的服务主动触发、多 Agent 协同与仲裁等，实现"懂你、主动、能办事"的座舱智能交互范式。 2、智能座舱 Omni 大模型研发与落地：面向智能座舱场景构建端到端多模态多语言大模型能力，攻克流式语音交互、模态对齐、长时程上下文管理等核心问题，在 Omni 架构下保持并提升模型的对话智商与情商，支撑"边听边说边办事"的座舱交互体验。 3、Agentic Search 与座舱知识推理能力建设：利用 Query Planning、大模型 Reasoning 和 Deep Search等技术，提升模型对车辆手册、本地生活、百科新闻等信息的检索、理解、推理与总结能力；重点攻克复杂知识问答、跨源信息整合、长链路任务查询及不确定信息处理场景，保障回复的准确性、可溯源性与可控性。 4、训练、推理框架与端云部署优化：掌握 vLLM / SGLang 等推理引擎的使用与优化，基于 Megatron / DeepSpeed 等框架，结合座舱 Omni 模型与端云协同部署特点进行定制化改造，探索端侧小模型与云端大模型协同推理，满足座舱对时延、成本与隐私的严苛要求。 5、训练数据、评测体系与模型持续迭代：参与座舱 Agent 训练数据、轨迹数据、工具调用数据、偏好数据及安全数据的构建，开展 SFT、RLHF、RLVR、Agentic RL 等模型迭代；建设覆盖意图理解、规划质量、工具调用成功率、任务完成率、回复准确性、时延、幻觉率与安全性的评测体系，基于线上反馈形成数据飞轮，持续推动 Agent 能力进化。
一、Agent Runtime 与任务编排 ● 设计并实现 Agent 运行时——基于 Planning / Memory / Tool-use 构建高性能编排引擎，覆盖多步推理（ReAct / Plan-and-Solve）、上下文管理与状态机，让 Agent 稳定跑完长链路任务而不中途跑飞 ● 深度优化 Function Calling 并基于 MCP（Model Context Protocol）构建可扩展工具链，打通 Agent 与外部系统、企业应用的互通 ● 落地 Agentic RAG 与 GraphRAG，构建支持多跳推理与动态更新的长效记忆系统，突破长上下文知识瓶颈 ● 打通工具与沙箱执行层——代码执行、文件操作、外部 API 调用的安全隔离与权限控制，让 Agent 既能干活又不越界 二、评测与可靠性（Eval Harness） ● 搭建端到端 Eval Framework——从单点工具调用到完整任务轨迹（trajectory）的自动化评测，用数据而不是直觉来判断每次迭代是进步还是退步 ● 建立自动化监控闭环——围绕决策轨迹、工具调用准确率、自愈率做全链路 tracing 与失败分层归因（infra 层自动重试、agent 层转人工），让线上问题可复现、可定位 ● 沉淀回归数据集与质量基线，推动团队形成"改一版就能量化验证"的研发节奏 三、全栈应用落地 ● 主导 AI 原生应用的端到端交付——打通从大模型推理、Agent 编排到前端用户界面的全链路，独立完成核心系统与模块的开发上线 ● 负责 Agent 工作台的交互实现——会话、任务视图、运行轨迹可视化，让用户真正看得懂 Agent 在做什么、卡在哪 ● 保持对业务场景的敏锐洞察，快速理解业务痛点，把模糊的产品需求转化为清晰的技术方案并推动快速迭代 四、技术协作与工程文化 ● 参与 Agent 方向的人才引进与技术面试，协助搭建高水准的工程团队 ● 积极沉淀 Agent 工程实践，输出技术文档与最佳实践，营造开放分享的工程文化 ● 参与技术分享与行业交流，在 Agent 工程领域建立个人和团队的技术影响力
1. AI机会识别：根据阿里云战略发展方向，紧密跟踪生成式AI前沿趋势，包括大模型演进、智能体框架、AI基础设施架构及主要竞品动态，前瞻性地识别并开拓政企客户在大模型、智能计算等领域的业务机会，发掘潜力客户并捕获项目机会。 2. AI场景挖掘：重点聚焦阿里云AI产品在泛政府、教育科研、医疗卫健、泛企业等行业的场景销售机会点，深入调研客户业务场景，理解客户的AI目标和业务挑战，敏锐捕捉行业中的应用痛点与创新潜力，找到高价值的AI应用机会帮助客户成功，并沉淀行业解决方案。 3. AI客户经营：在政企领域与AI导向型的客户或合作伙伴建立长期、互信的合作关系，推动客户高满意度、高留存率及持续业务增购，为AI收入（如token收入）负责。 4. AI生态建立：善于整合技术、生态与商业资源，攻克AI落地中的关键挑战，与客户技术决策层及生态合作伙伴建立深度信任关系，沉淀可复用的行业解决方案与最佳实践。
1、激活并新拓客户 •用客户的语言展开对话，获取客户信任，挖掘产品和技术需求，形成有效商机。 •帮助客户理解飞天云计算操作系统、七大件、AI/智算等阿里云产品的技术价值，以及相对竞企的差异化竞争优势，传递阿里云作为客户最佳合作伙伴的定位。 •通过有效的资源整合和运作，推动客户快速决策，采用和持续使用阿里云公共云产品和技术解决方案，解决客户技术问题。 2、伙伴规划和招募 •识别所在区域目标伙伴群，招募高质量、高成长伙伴，制定BP/拓展计划。 3、伙伴成长赋能 •扶持本地化渠道发展及培育，做好本地覆盖及客户挖掘。 •结合伙伴业务方向进行体系化赋能，包括政策、产品与方案、人员能力认证等，实现伙伴销售与服务能力提升和转型，推动业务增长。 4、伙伴运营和激励 •商机识别和分配，通过伙伴进行客户培育和业务拓展，并作过程跟进及资源支持。 •伙伴过程管理和冲突管理。 •参与激励政策制定反馈，保障伙伴权益。 •关注伙伴满意度，及时响应伙伴的合理诉求并作出快速决策。 5、伙伴合作风险管理 •依据生态合作政策，有效进行生态品控/合规/信控管理，预防廉正等红线行为发生，提升业务安全性。
-既具备扎实的技术背景，又能熟练地与客户沟通，理解客户需求，并能够将公司的技术产品或服务有效地推广给目标市场； -建立并保持良好的客户关系，定期跟进项目进展，收集反馈信息。 -通过与潜在客户的深入交流，准确把握其业务需求和技术痛点，并结合公司产品特点，定制化设计解决方案； -为客户提供AI芯片的技术支持，确保产品在客户业务场景中的顺利落地； -向客户展示产品功能和优势，为客户提供全面的技术咨询和支持服务，解答有关AI芯片使用过程中的问题； -组织并实施针对客户的技术培训和研讨会，帮助客户快速了解AI芯片产品的规格、特性和使用方法； -收集并分析客户需求，并总结前代产品落地过程中遇到的各种问题将其转化为产品改进建议，与产品和研发团队合作推动产品升级； -与市场营销团队合作，以支持AI芯片在市场中的推广和应用； -持续关注AI领域市场及竞对最新动态和技术趋势，保持对公司产品的竞争力分析；
1、需求理解与归因：深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。 2、架构设计：面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性。 3、知识与环境构建：搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑。 4、核心能力实现：负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析。 5、系统迭代与演进：建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地。"
1. 负责端（方舱/设备）侧智能化产品技术研发，内容包括但不限于通讯协议选型与适配、软硬件架构设计、推理引擎选型与测试等。 2. 负责端（方舱/设备）侧智能化设备中心化交付和运营体系/工具研发，实现远程自动化部署、调测、监管、OTA升级等。 3. 负责制定IDC智能化产品&流程相关的技术规范并推广，对研发产品的质量负责。 4. 参与边（园区/楼栋）和云侧基础监控能力升级和智能化应用的研发和推广。 5. 参与AI与IDC智能化的全面、深度融合，包括制定适配云/边/端的模型应用规划，模型的选型、验证、灰度、部署、执行等的全链路闭环与协同。
1. 治理体系规划与运营：统筹商家/消费者体验治理项目，建设并运营"识别—分级—处置—应用—复盘"的统一治理闭环框架； 2. 指标与标准建设：参与建设平台体验度量指标体系（负向品商、问题订单率、国家/区域体验分），统一认定标准与处置手段标准； 3. 治理专项运营：负责负向货盘治理、问题订单治理、国家分层治理、处罚与申诉治理等专项的日常运营、规则迭代与效果跟踪； 4. 机制与流程设计：设计分级分类处置机制、白名单与例外审批、商家预警与整改引导等弹性机制，平衡治理意志、商家体验与大盘经营； 5. 跨域协同推动：对接风控、物流、供应链、行业运营、流量与投资执行等多方资源，推动治理规则、处置动作与复盘机制跨部门落地； 6. 数据洞察与复盘：基于 SQL/数据工具对体验与治理数据做下钻归因（按场景、国家、模式、业务域），输出治理策略建议与周期性复盘报告； 7. AI 与工具提效：沉淀治理过程中的分析方法与重复性工作为 AI skill / 自动化工具，持续提升团队治理效率与质量。
做品类营销 AI Agent 的"训练师"和"业务合伙人"，负责 Agent 在真实品类场景中的落地质量与活动结果，把品类运营经验变成 Agent 的能力。 岗位职责： 1、负责 AI Agent 在重点品类（如饮料、零食、生鲜等）的落地，梳理品类营销 SOP，并转化为 Agent 可执行的规则、Prompt 和知识库，探索ai在具体业务的商业设计 2、搭建 Agent 的训练与评估数据体系：样本整理、标准标注、badcase 分析、反馈迭代，持续提升 Agent 在选品、文案、活动方案上的输出质量； 3、与 Agent 协同执行品类营销活动（选品池、活动主题、补贴建议、营销内容等），对活动结果负责（GMV、ROI、采纳率）； 4、沉淀人机协同的最佳实践与案例库，推动 Agent 能力跨品类复制； 5、收集一线需求与问题，反哺产品和算法团队，驱动 Agent 能力迭代。
