阿里云阿里云智能-解决方案架构师（技术架构方向）-模型商业发展
任职要求
1. 技术能力 （1）计算机相关专业本科及以上学历，3年以上服务端开发经验，精通Python/Java/Golang至少一门语言。 （2）熟悉大模型技术栈（如向量数据库、Prompt工程），了解主流框架（HuggingFace、LangChain、n8n等）。 （3）有大模型算法背景优先。 （4）加分项：有LLM应用开发经验（如RAG、Agent系统），熟悉主流云平台AI服务（Azure AI Foundry、GCP Vertex AI等）。 2. 业务能力 （1）洞察产品的市场…
工作职责
1.大模型商机判断和深度技术交流： （1）赋能前端业务线/行业线，推动大模型场景业务快速拓展。 （2）作为大模型产品团队代表，支撑前线业务线开展商机判断和选择。 （3）针对复杂项目需求，协同前后团队与客户进行深度技术交流，促进商机转化，为结果负责。 2、产品解决方案设计与规模推广： （1）支持行业/区域的市场洞察，理解行业客户的业务和功能性/非功能型需求，基于客户场景，提供有技术竞争力和成本优势的产品组合方案，并在产品选型/配置报价/招投标过程中， 提供技术支持。 （2）探索创新产品的方案和场景，推动新产品快速市场覆盖。 （3）负责大模型产品落地页、商业机会挖掘、解决方案Demo中心等平台服务端架构设计与开发，提供统一平台能力，保障可用性及安全性。 （4）主导后端与前端团队的协作，完成接口设计与联调，确保产品功能高效落地。 （5）负责大模型服务的对客体验，对接客户侧功能和体验问题，负责相关问题的Triage、定位和推动问题的最终解决。 （6）负责大模型服务的对客体验，对接客户侧效果和体验问题，负责通过后训练产品实现客户场景效果目标，并交付服务。 3、产品改进： （1）深入调研客户需求，将合理需求准确地反馈到产品研发团队，负责改进需求在产品中的实现效果验收，帮助部门大模型/智能化相关产品的持续发展。 4. 市场洞察： （1）洞察产品的市场机会、市场容量和竞争格局，捕捉机会，找到方向并能影响前线和产研快速推动落地。
1. 大模型商机判断和深度技术交流： （1）赋能前端业务线/行业线，推动大模型场景业务快速拓展。 （2）作为大模型产品团队代表，支撑前线业务线开展商机判断和选择。 （3）针对复杂项目需求，协同前后团队与客户进行深度技术交流，促进商机转化，为结果负责。 2. 产品解决方案设计与规模推广： （1）支持行业/区域的市场洞察，理解行业客户的业务和功能性/非功能型需求，基于客户场景，提供有技术竞争力和成本优势的产品组合方案，并在产品选型/配置报价/招投标过程中， 提供技术支持。 （2）提炼具有客户价值的关键技术指标，形成领先控标项，在POC、winback等业务活动中落地验证。 （3）跟进产品方案的落地效果，持续优化产品方案。 （4）沉淀产品解决方案的最佳实践，通过项目实践总结标杆案例，加速产品方案规模化复制。 （5）探索创新产品的方案和场景，推动新产品快速市场覆盖。 3. 产品改进： （1）深入调研客户需求，将合理需求准确地反馈到产品研发团队，负责改进需求在产品中的实现效果验收，帮助部门大模型/智能化相关产品的持续发展。 4. 市场洞察： （1）洞察产品的市场机会、市场容量和竞争格局，捕捉机会，找到方向并能影响前线和产研快速推动落地.
推动大模型产品商业化： 1.大模型商机判断和深度技术交流： （1）赋能前端业务线/行业线，推动大模型场景业务快速拓展。 （2）作为大模型产品团队代表，支撑前线业务线开展商机判断和选择。 （3）针对复杂项目需求，协同前后团队与客户进行深度技术交流，促进商机转化，为结果负责。 2.产品解决方案设计与规模推广： （1）支持行业/区域的市场洞察，理解行业客户的业务和功能性/非功能型需求，基于客户场景，提供有技术竞争力和成本优势的产品组合方案，并在产品选型/配置报价/招投标过程中， 提供技术支持。 （2）提炼具有客户价值的关键技术指标，形成领先控标项，在POC、winback等业务活动中落地验证。 （3）跟进产品方案的落地效果，持续优化产品方案。 （4）沉淀产品解决方案的最佳实践，通过项目实践总结标杆案例，加速产品方案规模化复制。 （5）探索创新产品的方案和场景，推动新产品快速市场覆盖。 3.产品改进： （1）深入调研客户需求，将合理需求准确地反馈到产品研发团队，负责改进需求在产品中的实现效果验收，帮助部门大模型/智能化相关产品的持续发展。 4. 市场洞察： （1）洞察产品的市场机会、市场容量和竞争格局，捕捉机会，找到方向并能影响前线和产研快速推动落地。
AI应用解决方案设计与落地 ● 负责企业级AI应用解决方案的设计和落地实施，通过分析客户业务需求，利用钉钉AI工具和平台快速构建业务应用，确保方案能直接支撑客户业务增长和效率提升 ● 打造可复制的商业化解决方案，提供切实可行的AI应用方案，并明确量化商业价值和投资回报率 技术支持与问题解决 ● 提供AI应用相关的技术支持，确保技术实现与商业目标一致，协助销售团队进行技术赋能，提升商业转化率 ● 参与客户商业谈判，提供技术支持以促进交易达成，追踪解决方案实施后的客户业务增长数据，建立成功案例库 效果评估与持续优化 ● 建立AI应用的效果评估体系，关注商业化关键指标的达成情况 ● 跟踪AI技术发展，及时更新应用方案，确保解决方案的商业竞争力，定期分析解决方案的市场表现，提出商业化策略优化建议
客户需求洞察及方案设计 • 掌握并理解客户的业务场景、整体技术架构、业务与IT战略优先级及业务成功指标，挖掘客户潜在需求，提供能满足客户需求的云和AI全栈方案，规划业务策略和实现路径，解答客户对产品、解决方案的常规问题。 • 基于对技术发展趋势的把握，作为策略规划和架构专家，与客户共同规划未来云和AI业务与技术规划，成为其可信赖的顾问，识别其中潜在的合作机会，并提出具备前瞻性的方案和架构设计。 售前引导与实操能力 • 针对客户对AI算力、大模型应用场景落地等需求，通过标杆案例及场景化演示，向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定。 • 通过技术影响力的建立，维护客户关系，构建PoC测试和方案选型，对POC结果负责，就安全性、稳定性、性能、可持续性和运行效率给出技术建议。 技术策略制定和项目赢单 • 分析复杂客户的情况，提出基于阿里云解决方案的建议，制定产品选型策略和技术路线图，将阿里云全栈AI产品技术与客户业务需求结合，帮助客户拓展AI应用新场景，推动技术采用。 • 针对重点项目/客户，面向客户高层介绍阿里云产品和解决方案的优势，传递技术价值及其带来的业务收益，引领客户向AI转型，推动项目顺利签约。 • 在售前规划和方案实施过程中，识别并有效应对技术和项目风险，协同产研及交付团队正常履约，实现收入转化，优化阿里云的效果与客户满意度。 能力沉淀和赋能 • 构建可复用的知识资产：沉淀面向细分领域/场景的通用云架构模板、AI解决方案最佳实践、细分领域标杆案例等知识文档。 • 内部团队、生态伙伴、客户赋能和培训。 产品需求和改进反馈 • 识别和理解阿里云平台的技术问题和机会，传递客户需求和反馈给产品团队，影响功能开发和未来产品路线图，保持阿里云产品的市场竞争力 • 将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。