阿里云阿里云智能-通义大模型产品解决方案架构师(金融)-杭州/上海/北京
任职要求
1、本科及以上学历，计算机或相关专业，5年及以上工作经验。 2、有大模型工程项目落地经验，研发或工程化落地大模型应用产品，或提供过落地的解决方案。 3、具备良好沟通表达能力，能与客户高质量对话，抗压能力和执行力强。 4、逻辑良好，能够…
工作职责
对大模型项目技术支持，推动大模型产品方案商业化工作： 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、推动生态运营，促进公司大模型周边生态伙伴的建设，为开发者提供全过程的赋能和支持。
负责公共云、AI等项目管理及客户服务工作，以客户成功为目标，带领项目团队完成交付履约，围绕客户AI infra、AI agent，以及上云、用云的整个业务生命周期，提供高质量的交付管理服务，确保项目按合同履约，提升客户满意度，促进增购续费，打造可持续发展的高质量业务增长模式。 工作职责包含但不限于： • 面向阿里云的企业客户，作为项目交付履约的第一责任人，统筹、组建项目交付资源，带领项目团队制定交付和运维方案，并保证项目高质量履约交付； • 售前阶段，配合销售和架构师团队，判断并明确客户需求边界，识别项目潜在风险，评估交付成本，形成高质量可履约的SOW； • 项目交付全程进行管理、监督，对项目风险及问题进行预判、识别及诊断，统筹内外部交付资源，调动区域/行业交付专家资源对重保项目进行全过程项目管理和客户需求对接； • 在交付项目后期协调统筹客户的日常运维，保障运维资源和质量，维护长期客情关系，跟进客户续约需求； • 管理并协同生态伙伴完成项目交付，并对伙伴的项目交付质量进行评估； • 带领项目团队长期陪伴客户上云、用云、用好AI，围绕关键客户形成稳定的服务资源，洞察和响应已有客户需求，并形成解决方案，形成可持续的商业合作。
近年来，以大模型为核心的生成式人工智能技术在语言理解、内容生成、多模态建模与跨模态交互等领域取得了突破性进展，展现出前所未有的技术潜力与广泛的应用前景。 我们致力于面向通用人工智能（AGI)的前沿探索与产业落地创新。一方面，在迈向AGI的长期路径中，随着大语言模型能力的持续进化，多模态感知、融合与推理等关键问题日益凸显，成为构建通用智能系统的核心挑战；另一方面，围绕典型行业场景如何将现有大模型能力有效转化为可落地、可扩展、可持续的解决方案，也成为当前研究与工程实践的重点方向。 如果你对生成式AI、智能交互、智能软件工程，智能文档处理，数据挖掘，多语言内容的理解和生成，跨模态检索与理解，多模态智能体GUI Agent以及法律金融等方向的AI应用算法研发有浓厚兴趣，或者对于大模型应用落地有浓厚兴趣，欢迎加入我们，共同定义未来AI的能力边界，牵引千行百业在智能时代的深度变革。 1. 大语言模型算法创新：定义下一代大语言模型技术范式，实现文本、代码，语音、视觉等多模态信息的联合建模，探寻和解决对齐、推理、Agentic等方面的核心挑战，不断追寻通用大模型的效果上限。 2. 场景驱动的算法创新：结合上述业务场景，设计并优化大模型架构，研发低成本高效应用算法，提升效果、效率与鲁棒性。 3. 端到端技术闭环：从数据构建、模型训练、评测到部署，主导技术方案落地，通过AB实验、调用量、用户反馈验证价值。 4. 前沿应用技术探索：紧跟并能驱动LLM、Diffusion Models、强化学习等技术相关进展，定义技术新范式，快速实验并迭代创新方案，拉升相关模型在学术领域和应用场景的SOTA。
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。
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。