TCL服务领域端到端AI产品经理（非应届，暑期实习）
任职要求
1、本科及以上学历，大三/研一二在读。计算机相关专业； 2、专业知识：了解大模型与提示工程、RAG、Agent 等常见落地形态与应用场景； 3、硬技能： ● 对AI技术有基本了解，对AI产品（如NLP、计算机视觉、推荐系统等）有浓厚兴趣； ● 熟悉产品管理流程，了解PRD、用户故事等文档…
工作职责
1、市场与用户研究：协助进行AI在服务领域的行业趋势、竞品动业务需求调研； 2、需求与功能支持：参与用户需求挖掘，提出产品优化建议，协助撰写产品需求文档(PRD)及相关技术文档； 3、参与从需求分析到功能上线调试的完整流程：参与产品功能从需求调研、功能设计、评审开发，验收上线，调试效果跟进的环节，协助进行数据跟踪、用户反馈收集与效果评估； 4、创新输入：积极关注AIGC、智能体、AI原生应用等前沿方向，为团队带来新的思路、案例或原型构想，激发产品创新； 5、负责重点项目的项目管理和进度推进，确保项目目标按时、高质量达成； 6、完成上级交代的其他任务。
职位：Applied scientist 应用科学家实习生 毕业时间：2026年10月 - 2027年7月之间毕业的应届毕业生 · 入职日期：2026年6月及之前 · 实习时间：保证一周实习4-5天全职实习，至少持续3个月 · 工作地点：深圳福田区 投递须知： 1 填写简历申请时，请把必填和非必填项都填写完整。提交简历之后就无法修改了哦！ 2 学校的英文全称请准确填写。中英文对应表请查这里（无法浏览请登录后浏览）https://docs.qq.com/sheet/DVmdaa1BCV0RBbnlR?tab=BB08J2 关于职位 Amazon Device &Services Asia团队正在寻找一位充满好奇心、善于沟通的应用科学家实习生，成为连接前沿AI研究与现实世界认知的桥梁。这是一个独特的角色——既需要动手参与机器学习项目，又要接受将复杂AI概念转化为通俗易懂内容的创意挑战。D&S Asia是亚马逊设备与服务业务在亚洲的支柱组织，自2009年支持Kindle制造起步，现已发展为横跨软硬件、AI（Alexa）及智能家居（Ring/Blink）的综合性团队，持续驱动区域业务创新与人才发展。 你将做什么 • 解密AI： 将复杂的技术发现转化为直观的解释、博客文章、教程或互动演示，让非技术背景的业务方和更广泛的社区都能理解 • 技术叙事： 与工程团队协作，以清晰、引人入胜的方式记录AI的能力与局限性 • 知识共享： 协助开发内部工作坊或"AI入门"课程，提升跨职能团队（产品、设计、商务）的AI素养 • 保持前沿： 持续学习并整合最新突破（如大语言模型、扩散模型、智能体），为团队输出简明易懂的趋势简报 • 研究与应用： 参与端到端的应用研究项目，从文献综述到原型开发，涵盖自然语言处理、计算机视觉或多模态AI领域
阿里巴巴智能信息事业群，聚焦AI在信息服务赛道的创新应用，从工具到服务，持续为用户提供高效、智能的AI应用。智能信息事业群核心产品为夸克、通义、UC浏览器、书旗小说、超级汇川等，以多产品矩阵，覆盖横跨各年龄段的7亿+用户人群，服务超10万+客户。 当科技的浪潮呼啸向前，AI 正重塑世界的模样。加入成为阿里智信的产品经理，你将有机会参与智信各个领域的产品，不是成为时代的旁观者，而是作为变革的缔造者，用思考和创新驱动技术和商业的超速进程，让创意和想法落地生花。
阿里巴巴智能信息事业群，聚焦AI在信息服务赛道的创新应用，从工具到服务，持续为用户提供高效、智能的AI应用。智能信息事业群核心产品为夸克、通义、UC浏览器、书旗小说、超级汇川等，以多产品矩阵，覆盖横跨各年龄段的7亿+用户人群，服务超10万+客户。 当科技的浪潮呼啸向前，AI 正重塑世界的模样。加入成为阿里智信的产品经理，你将有机会参与智信各个领域的产品，不是成为时代的旁观者，而是作为变革的缔造者，用思考和创新驱动技术和商业的超速进程，让创意和想法落地生花。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。