阿里云阿里云智能-高级商业技术工程师/专家（联通/电信方向）-政企事业部（北京）

1、客情建设和商机拓展 * 熟悉运营商体系，有中国移动中高层客情资源。 * 熟悉运营商行业特点，了解运营商行业的决策路径。 * 能够布局与运营商尤其是中国移动集团公司、专业公司、省公司的合作，建立新的合作模式和路径。 2、产品和技术价值传递 * 深入理解混合云方案，包括软件、硬件、网络、安全等各方面的整合，并深刻洞察客户业务需求。 * 基于行业和客户需求洞察，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，传递阿里云价值。 * 能够捕捉运营商国产智算算力基础设施建设需求，（如PPU合作） * 理解运营商核心业务AI化带来的AI重构需求 * 掌握运营商在的央企数字化领域自主可控战略带来新的机会 * 掌握运营商在大模型和AI行业应用层面带来的行业模型合作机会 * 参与运营商在政企、商企客户中的AI标品分销能力带来的全国性合作机会 * 运营商在家庭业务中数智化改造过程中带来的业务机会（通义大模型合作等） •协同SA、产研和生态伙伴等资源，形成明确的销售及解决方案策略，设计合作路径并沟通执行。 •结合对客户业务需求的理解，以及阿里云可标准化复制的解决方案，提供能满足客户需求的方案设计，解答客户对产品、解决方案的常规问题。 • 通过沟通和影响力、商务报价等一系列销售策略的运用，转化商机，达成业绩。 • 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。 3、商务运作和业务支持 •基于阿里云和客户商务流程规则，完成客户招投标及商务合同签署等商务工作。 •动态跟踪客户需求变化，推动合同变更。 •协同产研、交付和生态伙伴等资源，及时发现并解决项目交付问题，支撑客户业务目标达成。 •支撑混合云复杂项目运作，参与招投标流程管理、项目管理、风险管理，协调组织资源。

团队介绍：阿里国际以AI技术驱动，助力全球数字贸易及电商生 态的发展。AlBusiness是阿里国际内部集大模型研究 及智能化前沿产品研发于一体的AI部门，自研面向跨境商贸增强的多语言大模型-Marco和多模态大模型 -Ovis，依托全球化的AI基础设施和算力资源，帮助 AliExpress、Lazada、Alibaba国际站、Trendyol、 Daraz等平台全面革新跨境电商全链路的经营体验和 商业效率。基于先进的大模型与工程技术，我们正在打造新一代的智能体（Agent）和智能引擎（Deep Search）产品，持续致力于让全球商业没有语言障碍，用智能帮助跨境贸易更加简单。 职位描述 1. AI平台建设：负责AI应用平台的能力建设、架构设计和开发工作，推动平台技术的不断创新和优化。 2. RAG&多模态搜索能力：负责RAG、搜索工程架构相关平台能力建设 3. 大模型AI应用开发：深入电商业务及各职能场景，面向AI native范式，重构业务流程、产品能力和工作模式，显著提升业务效果和工作效率。

阿里巴巴国际商业数字供应链算法团队专门负责阿里巴巴海外零售供应链的建设和优化工作，业务覆盖全球，支持了千亿级别的零售行业、以及数以亿计的商品。我们支撑了阿里巴巴国际商业零售供应链行业的智能决策体系，我们的核心职责是保障供应链效率、降低供应链成本，同时提升零售行业的经营决策效率，提升广大消费者的购物和服务体验。 我们的工作涉及到国际商业数字零售供应链的方方面面，充满了趣味和挑战。在这里，你将和我们一起，采用大数据技术、人工智能算法、仿真技术等持续解决商业活动中的现实问题，不断创造价值，重塑整个海外零售商业体系，为社会带来更加美好的生活！在这里，您将与优秀的团队、先进的供应链算法技术和激动人心的供应链优化机会紧密合作，共同解决商业活动中的供应链问题，不断创造价值。让我们携手共创海外商业数字供应链的未来！ 我们的具体工作内容如下： 1. 基于阿里国际数字商业的大数据，负责分析和挖掘新零售端到端的供应链运作优化机会，并研发和构建预测、优化和仿真算法提升其运作效率和降低成本。 2. 承担国际数字商业供应链场景中机器学习、深度学习、强化学习、运筹优化、仿真优化和大语言模型等算法的研发、设计和部署等工作，打造国际数字商业的智能供应链算法平台。 3. 承担数据化运营的数据分析和算法设计工作，通过采集业务信息以及应用海量数据，进行数据化的分析处理，为数据化运营提供决策支持。 4. 负责追踪人工智能方向的前沿算法和技术，并将相关算法应用到阿里新零售供应链业务场景中，升级供应链智能化水平。

所在团队负责阿里国际贸易平台上的所有推荐产品，包括猜你喜欢、详情页推荐、个性化楼层等。团队通过大数据和深度学习建模，帮助平台上买卖家快速达成生意。来到这里，你将有机会深度接触到业界的计算平台和深度学习算法，并将算法技术转化为商业价值。具体地，你将有机会负责： 1. 用户画像、召回、排序和策略等模块的技术规划和算法设计，通过技术创新提升买卖家匹配效率。 2. 通过大规模深度学习和图学习，在面对数据稀疏和多国家多行业的情况下对用户实时兴趣、CTR预估、询盘和交易转化预估等问题建模。 3. 通过多样性和发现性策略，拓展用户需求，提升兴趣发现能力，进一步完善和提升推荐侧的产品价值。 4. 探索大语言模型+搜推的创新应用方向，LLM在推荐领域下的全链路建设，包括但不限于大规模的预训练、SFT、LoRA和RLHFL等技术，落地大语言模型+搜推的新的应用落地场景（如生成式推荐等）。