阿里云阿里云智能-行业解决方案架构师（股份制）-新金融行业线（广州/深圳）

任职要求

我们期待您：  
- 不仅是大模型技术专家，更是金融行业数字化转型的推动者；  
- 既能深入模型调参，也能站在客户视角设计高价值解决方案；  
- 对AI重塑金融行业充满热情，愿与阿里云共同定义行业新标准。  
职位要求：
1. 核心技术能力  
   - 硕士及以上学历，计算机科学、人工智能、数学等相关专业，3年以上AI领域解决方案设计、算法或工程研发经验。  
   - 精通Transformer、LLM等大模型技术栈，熟悉主流框架（PyTorch/TensorFlow）及AI工程化平台（如：阿里云PAI等），涉及AI开发全流程（数据准备、模型开发、训练、部署及推理）。
   - 深入掌握大模型关键环节：后训练、Prompt工程、RLHF、模型蒸馏、多任务学习等，有金融领域微调经验者优先。  
   - 熟悉云原生AI开发（Kubernetes、容器化部署），具备分布式训练、…

工作职责

1. 行业解决方案设计与交付  
   - 基于阿里云大模型技术（如通义千问），为银行、保险、证券等金融客户量身定制AI大模型解决方案，覆盖AI财富助手、智能客服、智能风控等核心场景。  
   - 深入理解客户业务痛点，提供从需求分析、技术选型到方案落地的全流程支持，确保大模型技术与金融业务深度融合。  
2. 大模型全生命周期技术赋能  
   - 主导客户侧大模型后训练（Post-training）、领域微调（Domain-specific Fine-tuning）、模型蒸馏（Distillation）及多模态融合优化，提升模型在金融垂直场景的精度及性能。  
   - 优化大模型训练与推理性能，包括分布式训练加速（如DeepSpeed、Megatron-LM）、显存优化、量化压缩（INT8/FP16）及低延迟推理部署（如vLLM、SGLang）等。  
3. 工程化落地与性能调优  
   - 解决金融场景高并发、高稳定性需求，设计高性能计算架构，优化模型在GPU/TPU集群的训练效率及端到端推理链路。  
   - 结合金融行业数据隐私与安全要求，设计符合监管的模型部署方案。  
4. 客户技术赋能与生态共建  
   - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证，推动AI能力在客户内部的规模化应用。  
   - 沉淀金融行业大模型最佳实践，输出白皮书、案例研究及标准化解决方案，提升阿里云在金融AI领域的市场影响力。