阿里云阿里云智能-通义大模型产品解决方案架构师-深圳
任职要求
1)本科及以上学历，计算机或相关专业，3年及以上工作经验 2)3年以上云计算、AI产品、企业级解决方案或售前架构经验，有大模型项目落地经验者优先； 3)熟悉主流大模型技术栈（如LLM、多模态模型、RAG、Agent、Fine-tuning、推理优化等）； 4)具备优秀的跨团队协作能力、客户沟通能力…
工作职责
岗位定位 作为大模型产品与客户业务之间的技术桥梁，深度参与从商机识别、方案设计、技术交付到产品优化的全生命周期。需兼具行业洞察力、技术架构能力与商业敏感度，推动大模型在各行业的规模化落地，助力公司构建技术领先、体验卓越、生态繁荣的大模型商业化体系。 核心职责 1. 商机判断与深度技术交流 1)作为大模型产研代表，赋能前端销售/行业线，参与商业策略制定与高价值商机筛选； 2)针对复杂项目，协同售前、销售、产品及研发团队，与客户关键决策人开展深度技术对话，引导技术选型与合作方向； 3)结合行业趋势与技术演进，精准判断大模型应用场景的商业潜力，为商机转化和规模化结果负责。 2. 解决方案设计与规模化推广 1)深入理解客户在功能性、非功能性（性能、稳定性、安全性、成本等）维度的核心诉求，基于通义大模型能力，设计具备技术竞争力与成本优势的端到端解决方案； 2)主导POC、Win back、招投标等关键环节的技术方案输出，包括产品选型、配置报价、控标项设计及Demo验证； 3)提炼客户场景中的关键技术指标，转化为可量化的产品能力项，形成差异化竞争优势； 4)推动文本、视频、图像、语音等大模态模型产品的商业化方案设计、问题解决与落地交付； 5)负责大模型服务的对客体验闭环：接收客户反馈，完成问题Triage、根因定位，并通过后训练、Prompt工程或产品调优等方式达成客户效果目标； 6)推动及协助大模型服务平台（如解决方案Demo中心、落地页、API网关等）的架构设计与开发，保障高可用、安全、可扩展的统一服务能力。 3. 产品改进与技术反哺 1)深入一线客户场景，系统性调研并抽象共性需求与痛点，精准传递至产品研发团队； 2)参与大模型及智能化产品的重大功能设计、定价策略、用户体验优化，确保产品在垂直行业保持领先； 3)构建面向特定行业/场景的商业Benchmark，持续评估并推动模型能力边界拓展； 4)识别模型在真实场景中的能力短板，主动发掘高质量数据合作机会，推动闭源模型与数据飞轮的正向循环。 4. 市场洞察与竞争分析 1)持续跟踪AI大模型市场动态、竞争格局、技术路线及定价策略，输出竞对分析报告； 2)快速捕捉行业热点与客户业务痛点，前瞻性挖掘高潜力应用场景，驱动新产品/新方案快速孵化与市场覆盖； 3)将市场洞察转化为可执行的产品与解决方案策略，影响产研与前线团队高效协同落地。 5. 最佳实践沉淀与生态赋能 1)在项目实践中总结标杆案例，沉淀可复用的解决方案模板、IaC（Infrastructure as Code）脚本、测试用例及标准化模块； 2)输出GTM（Go-to-Market）材料，包括技术白皮书、解决方案手册、演示Demo等； 3)联合生态伙伴共建联合解决方案，对销售团队、合作伙伴及开发者提供技术赋能与支持；
1. 大模型商机孵化 （1）作为通义大模型产品团队代表，-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）赋能阿里云前端业务线/行业线，深入理解消费电子、短剧、数据挖掘、教育等核心行业的业务流程与痛点，识别通义大模型应用的创新机会。 （3）洞察产品的市场机会、市场容量和竞争格局，基于行业洞察，评估大模型解决方案的可行性与商业价值，推动从“0到1”的场景拓展。 （4）针对复杂项目需求，协同前后端团队与客户进行深度技术交流，通过“行业洞察+技术验证”双轮驱动，促进商机转化并为结果负责。 （5）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。 2. 产品解决方案设计与规模化落地 （1） 支持行业/区域的市场洞察，理解客户功能性与非功能性需求。基于“算力-数据-模型-平台-应用”五层架构，提供具备技术竞争力和成本优势的产品组合方案，并在招投标与选型中提供核心技术支持。 （2）聚焦Agent化转型与多模态融合趋势，设计智能体矩阵解决方案。负责大模型落地页、商业机会挖掘、Demo中心等平台服务端架构设计与开发，构建可插拔、标准化的模型缝合能力，实现中长尾客户“开箱即用”。 （3） 主导对客体验闭环：对接客户侧的功能、体验及效果问题。利用RAG/PE/SFT等技术手段降低幻觉风险，通过精准的Triage定位与技术方案交付，快速解决客户痛点，保障安全可控的内容输出。 （4）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。 3. 产研协同与市场格局洞察 （1） 深入调研客户需求，将一线聚类需求准确反馈至模型与工程团队，帮助工程团队及能力中心架构师做出技术解决方案，驱动MaaS平台及模型能力的迭代发展。 （2）洞察大模型产业机会、市场容量及竞争格局。捕捉前沿技术趋势（如推理优化、MoE架构），为产品战略及前线业务落地提供强有力的技术支撑。 （3）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。
对通义大模型的合作项目提供技术支持，推动大模型及其衍生产品的商业化工作： 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）作为通义大模型产研团队代表，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，促成商机转化，为模型的商业规模化结果负责。 2. 模型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模型及产品解决方案，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，形成产品指标项，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，推动持续优化产品方案。 （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。 （2）能够构建场景/领域/行业的合理商业benchmark，持续推动模型的行业领先性。 （3）识别模型的能力缺陷，发掘场景并促成有效数据合作，构建健康、长期的数据及闭源模型合作。 4. 推动通义模型生态运营，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。
对通义大模型的合作项目提供技术支持，推动大模型及其衍生产品的商业化工作： 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）作为通义大模型产研团队代表，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，促成商机转化，为模型的商业规模化结果负责。 2. 模型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模型及产品解决方案，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，形成产品指标项，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，推动持续优化产品方案。 （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。 （2）能够构建场景/领域/行业的合理商业benchmark，持续推动模型的行业领先性。 （3）识别模型的能力缺陷，发掘场景并促成有效数据合作，构建健康、长期的数据及闭源模型合作。 4. 推动通义模型生态运营，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。
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；