阿里云阿里云智能-AI解决方案架构师-北京（央企）

本岗位主要负责行业央企的云和AI解决方案落地工作。 1. 跟踪所负责细分领域的市场趋势、空间与核心场景，结合客户所在行业特点，梳理典型痛点与机会点，输出有指导性的市场洞察与竞争策略，形成差异化打法。 2. 基于对客户业务策略的理解，识别需求背后的真实意图，与关键决策人建立信任关系，制定针对性的产品与解决方案引导策略；面向具体业务场景搭建大模型/智能体原型，产出高质量的解决方案、项目建议书及标书技术材料，牵引销售落地。 3. 根据客户需求完成端到端方案设计，主导 POC 与方案落地，独立完成单一场景的AI应用架构设计，涵盖 Prompt 工程、RAG 搭建、Agent工程化、模型与客户系统 API 集成及混合云资源配置等；在项目中制定合理的产品选型、测试、招投标与配置策略，推动合同签约。 4. 在方案落地过程中识别并处理技术与项目风险，协同产研、交付、安全等团队保障合同履约，持续提升阿里云在该客户的公共云份额与Token用量；同时向产品团队反馈需求与缺陷，推动产品迭代。 5. 沉淀面向细分领域/场景的 AI 解决方案、最佳实践、参考架构及脚本模板等可复用资产，并面向销售团队与生态伙伴开展宣讲与赋能培训。

1、洞察行业趋势：跟踪基础大模型、行业大模型、SaaS及AI原生软件的发展动态，梳理典型应用场景与技术架构，为解决方案提供方向指引。 2、理解客户痛点：深入一线，与客户共同梳理生产流程中对AI的实际需求（如Token消耗、响应时效、准确率等），明确AI能带来的业务价值。 3、挖掘高价值场景：基于对客户业务和技术架构的理解，识别适合引入大模型的关键环节，与客户一起定义问题边界和成功标准。 4、设计端到端方案：围绕客户目标和约束条件，规划从模型选型、推理部署、微调策略、RAG构建到Agent编排的完整技术路径，并建立可衡量的效果评估体系。 5、推动技术共识：面向客户技术团队及管理层，清晰传递阿里云AI全栈能力的优势，确保技术方案与业务战略对齐。 6、动手验证方案：主导PoC实施，包括Prompt工程、RAG搭建、多Agent工作流设计、微调实验等，用实际效果赢得客户信任，并形成科学的评估方法论。 7、赋能合作伙伴：结合阿里云百炼平台、通义大模型、智能体等核心产品，协助ISV和软件企业打造可落地的大模型解决方案。 8、沉淀最佳实践：总结细分行业或场景的落地经验，形成可复用的方法论、案例文档和工具包，助力国队能力持续提升。

1.需求分析与场景识别： 了解一个或多个领域的业务知识，能够跟客户有效沟通和洞察真实需求，并识别出可以使用人工智能技术的场景 2.技术判断与解决方案： 理解机器学习、深度学习、大模型的基本原理， 能够基于客户的需求，基于云+AI的产品设计出适合的解决方案，具备智能体开发demo的能力， 并可以向客户的业务/技术决策人阐述阿里云产品和解决方案的优势，以影响客户的技术选型决策 3.产品需求反馈与优化：依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升产品市场竞争力和市场占有率； 4.市场敏感与扩展复制：挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制；

1.需求分析与场景识别： 了解一个或多个领域的业务知识，能够跟客户有效沟通和洞察真实需求，并识别出可以使用人工智能技术的场景 2.技术判断与解决方案： 理解机器学习、深度学习、大模型的基本原理， 能够基于客户的需求，基于云+AI的产品设计出适合的解决方案，具备智能体开发demo的能力， 并可以向客户的业务/技术决策人阐述阿里云产品和解决方案的优势，以影响客户的技术选型决策 3.产品需求反馈与优化：依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升产品市场竞争力和市场占有率； 4.市场敏感与扩展复制：挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制；